Inteligentne aplikacje internetowe (p.obieralny) ITI1102c

Efekty kształcenia:
- Umiejętność korzystania z pakietu WEKA w aplikacjach internetowych.
- Umiejętność projektowania i implementacji aplikacji internetowych z zastosowaniem inteligentnych algorytmów.

EK1 - Student potrafi używać algorytmów sztucznej inteligencji (kolokwium zaliczające wykład, sprawozdania z PS - W, Ps)
EK2 - Potrafi programować aplikacje internetowe z użyciem SI (sprawdzenie projektu, prezentacja i obrona projektu - Ps)
EK3 - Potrafi korzystać z API pakietu WEKA (sprawozdania, prezentacja i obrona napisanego kodu - Ps)
EK4 - Buduje oprogramowanie użytkowe (prezentacja aplikacji-projektu , dokumentacja projektu - Ps)
EK5 - Wykonuje ewaluacje stworzonych modeli (dokumentacja projektu, dyskusja ze studentem - Ps)
EK6 - Rozumie potrzebę poznawania nowych algorytmów SI (kolokwium z wykładów, obrona projektu - W, Ps)

Ocena z PS:
Ocena 3.0
EK1 Uzyskanie co najmniej 33% punktów ze sprawozdań i demonstracji programów z kolejnych ćwiczeń
EK2 Ocena z prezentacji i obrony projektu =3.0
EK3 Pozytywnie oceniony z korzystania funkcji API
EK4 Ocena funkcjonalności aplikacji =3.0
EK5 Ocena opisu ewaluacji wyników =3.0
EK6 Ocena z prezentacji i obrony projektu =3.0
Ocena 3.5
EK1 Uzyskanie co najmniej 45% punktów ze sprawozdań i demonstracji programów z kolejnych ćwiczeń
EK2 Ocena z prezentacji i obrony projektu =3.5
EK3 Pozytywnie oceniony z korzystania funkcji API
EK4 Ocena funkcjonalności aplikacji =3.5
EK5 Ocena opisu ewaluacji wyników =3.5
EK6 Ocena z prezentacji i obrony projektu =3.5
Ocena 4.0
EK1 Uzyskanie co najmniej 60% punktów ze sprawozdań i demonstracji programów z kolejnych ćwiczeń
EK2 Ocena z prezentacji i obrony projektu =4.0
EK3 Pozytywnie oceniony z korzystania funkcji API
EK4 Ocena funkcjonalności aplikacji =4.0
EK5 Ocena opisu ewaluacji wyników =4.0
EK6 Ocena z prezentacji i obrony projektu =4.0
Ocena 4.5
EK1 Uzyskanie co najmniej 75% punktów ze sprawozdań i demonstracji programów z kolejnych ćwiczeń
EK2 Ocena z prezentacji i obrony projektu =4.5
EK3 Pozytywnie oceniony z korzystania funkcji API
EK4 Ocena funkcjonalności aplikacji =4.5
EK5 Ocena opisu ewaluacji wyników =4.5
Ocena z prezentacji i obrony projektu =4.5
Ocena 5.0
EK1 Uzyskanie co najmniej 90% punktów ze sprawozdań i demonstracji programów z kolejnych ćwiczeń
EK2 Ocena z prezentacji i obrony projektu =5.0
EK3 Pozytywnie oceniony z korzystania funkcji API
EK4 Ocena funkcjonalności aplikacji =5.0
EK5 Ocena opisu ewaluacji wyników =5.0
EK6 Ocena z prezentacji i obrony projektu =5.0

Ocena z Wykładu:
Ocena 3.0
EK1 Uzyskanie 40 % punktów z kolokwium zaliczającego
Pozytywna ocena z PS
Ocena 3.5
EK1 Uzyskanie 50 % punktów z kolokwium zaliczającego
EK6 Pozytywna ocena z PS
Ocena 4.0
EK1 Uzyskanie 65 % punktów z kolokwium zaliczającego
EK6 Pozytywna ocena z PS
Ocena 4.5
EK1 Uzyskanie 80 % punktów z kolokwium zaliczającego
EK6 Pozytywna ocena z PS
Ocena 5.0
EK1 Uzyskanie 95 % punktów z kolokwium zaliczającego
EK6 Pozytywna ocena z PS

a) podstawowa:
1. Witten, I.H., Frank, E., (2005). Data Mining: Practical machine learning tools and techniques, Morgan Kaufmann, San Francisco, CA, USA.
2. Larose, D. T. (2006). Odkrywanie wiedzy z danych: Wprowadzenie do eksploracji danych. Wydawnictwo Naukowe PWN, Warszawa.
3. Hall, M., Brown, L., Chaikin, Y. (2009). Core Java Servlets i JavaServer Pages. Helion.
4. Dokumentacja pakietu WEKA http://www.cs.waikato.ac.nz/ml/weka/

b) uzupełniająca:
1. Markov, Z., Larose, D. T. (2009). Eksploracja zasobów internetowych. Wydawnictwo Naukowe PWN, Warszawa.
2. Larose, D. T. (2008). Metody i modele eksploracji danych. Wydawnictwo Naukowe PWN, Warszawa.
3. Horstman, C.S., Cornell, G. - Core Java (2009). Techniki zaawansowane. Helion.
4. Basham, B., Sierra, K., Bates, B. (2008). Head First Servlets & JSP. Helion.