KATALO PRZMIOTÓW OBIERALNYCH - mini.pw.edu.plszaniaws/www/?download=obieralne 17-18 mat.pdf ·...
Transcript of KATALO PRZMIOTÓW OBIERALNYCH - mini.pw.edu.plszaniaws/www/?download=obieralne 17-18 mat.pdf ·...
WYDZIAŁ MATEMATYKI I NAUK INFORMACYJNYCH POLITECHNIKI WARSZAWSKIEJ
KATALOG PRZEDMIOTÓW OBIERALNYCH STUDIA STACJONARNE
PIERWSZEGO I DRUGIEGO STOPNIA
NA KIERUNKU
MATEMATYKA
Rok akademicki 2017/2018
3
Spis treści: I. Tabela predmiotów obieralnych .............................................................................................................................................. 5
II. Karty przedmiotów obieralnych .............................................................................................................................................. 8
1. TRANSFORMATY CAŁKOWE I WSTĘP DO TEORII DYSTRYBUCJI ............................................................................ 9
2. OPTYMALIZACJA WYPUKŁA W PRZESTRZENIACH HILBERTA I ZASTOSOWANIA W PRZETWARZANIU OBRAZÓW ......................................................................................................................................... 12
3. TECHNIKI WIZUALIZACJI DANYCH ..................................................................................................................................... 14
4. PROGRAMOWANIE I ANALIZA DANYCH W R DLA ZAAWANSOWANYCH ......................................................... 17
5. WYBRANE ZAGADNIENIA TEORII GRAFÓW ................................................................................................................... 19
6. METODY KOMPUTEROWE W RÓWNANIACH RÓŻNICZKOWYCH ........................................................................ 21
7. EKONOMETRIA FINANSOWA ................................................................................................................................................. 24
8. ALGORYTMY I STRUKTURY DANYCH – PROJEKT ......................................................................................................... 26
9. GEOMETRIA FORM RÓŻNICZKOWYCH .............................................................................................................................. 28
10. GEOMETRIA RÓŻNICZKOWA ................................................................................................................................................. 30
11. ZARZĄDZANIE RYZYKIEM W UBEZPIECZENIACH ....................................................................................................... 33
12. PRZETWARZANIE I ANALIZA DANYCH W JĘZYKU PYTHON ................................................................................... 36
13. PROGRAMOWANIE I ANALIZA DANYCH W R ................................................................................................................. 38
14. TEORIA PUNKTU STAŁEGO ..................................................................................................................................................... 41
15. CIEMNA STRONA ANALIZY ..................................................................................................................................................... 43
16. SEMINARIUM METODY ANALIZY W TEORII GRAFÓW .............................................................................................. 45
17. GRY KOMBINATORYCZNE ....................................................................................................................................................... 47
18. KOMBINATORYCZNA TEORIA LICZB .................................................................................................................................. 49
19. BAZY DANYCH ............................................................................................................................................................................... 51
20. NARZĘDZIA SAS ............................................................................................................................................................................ 53
21. WYBRANE ZAAWANSOWANE ZAGADNIENIA UCZENIA MASZYNOWEGO ....................................................... 56
22. WYBRANE ZAGADNIENIA TOPOLOGII GEOMETRYCZNEJ ........................................................................................ 58
23. ANALIZA FUNKCJONALNA 2 ................................................................................................................................................... 60
24. PRACOWNIA PROJEKTOWA ................................................................................................................................................... 62
25. PRZETWARZANIE I ANALIZA DANYCH W SYSTEMIE SAS........................................................................................ 64
26. MATEMATYKA DYSKRETNA 2 ............................................................................................................................................... 67
27. MODELOWANIE RYZYKA KREDYTOWEGO ..................................................................................................................... 70
28. ZASTOSOWANIA ŁAŃCUCHÓW I PROCESÓW MARKOWA ....................................................................................... 72
29. METODY LOSOWE OPTYMALIZACJI GLOBALNEJ ......................................................................................................... 74
30. ANALITYCZNE FUNKCJE CHARAKTERYSTYCZNE ........................................................................................................ 78
31. ANALIZA ZESPOLONA 2 ............................................................................................................................................................ 80
32. WNIOSKOWANIE ROZMYTE ................................................................................................................................................... 83
33. MATEMATYKA POPULARNA .................................................................................................................................................. 85
34. TEORIA LICZB ................................................................................................................................................................................ 87
35. REALIZACJA ALGORYTMÓW OCHRONY INFORMACJI ................................................................................................ 91
36. GEOMETRIA KLASYCZNA ......................................................................................................................................................... 95
37. WYBRANE ZAGADNIENIA STATYSTYKI MATEMATYCZNEJ .................................................................................... 97
4
38. TEORIA SYGNAŁÓW I SYSTEMÓW ...................................................................................................................................... 99
39. WYBRANE ZAGADNIENIA GEOMETRII ZBIORÓW WYPUKŁYCH ....................................................................... 102
40. LOGIKA .......................................................................................................................................................................................... 104
41. ZAAWANSOWANE ALGORYTMY MATEMATYKI OBLICZENIOWEJ.................................................................... 107
42. MATEMATYKA (NIE)DYSKRETNA .................................................................................................................................... 110
43. ELEMENTY TEORII OBLICZALNOŚCI I METAMATEMATYKI ................................................................................ 112
44. TEORIA GALOIS ......................................................................................................................................................................... 116
III. Przedmioty humanistyczne .................................................................................................................................................. 118
45. PISANIE UŻYTKOWE ............................................................................................................................................................... 119
46. MIĘDZY BACHEM A BANACHEM ....................................................................................................................................... 121
5
I. Tabela predmiotów obieralnych
Nazwisko i imię
prowadzącego
przedmiot
Nazwa przedmiotu liczba
grup ECTS
wymiar godzin w
tygodniu forma
zaliczenia
studia oraz
semestr w ćw lab proj
Badeńska Agniesz-
ka, dr
(Błaszczuk Łukasz,
mgr inż.)
Transformaty całkowe i wstęp do
teorii dystrybucji / Integral Trans-
forms and Introduction to Distribu-
tion Theory
1 ćw 5 2 2 0 0 egzamin I st – sem 5,
II st – sem 1, 3
Bednarczuk Ewa, dr
hab. prof. PW
(Syga Monika, dr)
Optymalizacja wypukła w prze-
strzeniach Hilberta i zastosowania
w przetwarzaniu obrazów /
Convex optimization in Hilbert
spaces and applications to image
processing
1 lab 5 2 2 egzamin I st – sem 4, 6,
II st – sem 2, 4
Biecek Przemysław,
dr hab. inż. prof. PW
Techniki wizualizacji danych /
Data visualisation techniques 1 lab 4 2 0 2 0
zaliczenie
na ocenę II st – sem 1, 3
Biecek Przemysław,
dr hab. inż. prof. PW
Programowanie i analiza Danych
w R dla Zaawansowanych / Ad-
vances in programming and data
analysis with R
1 lab 4 2 0 2 0 zaliczenie
na ocenę II st – sem 2, 4
Bryś Krzysztof, dr
inż.
Wybrane zagadnienia teorii grafów
/ Selected Topics in Graph Theory 1 lab 3 2 1 0 0
zaliczenie
na ocenę
I st – sem 6,
II st – sem 2, 4
Chełmiński Krzysz-
tof, prof. dr hab.
(Błaszczuk Łukasz,
mgr inż.)
Metody komputerowe w równa-
niach różniczkowych / Computer
methods in differential equations
2 lab 5 1 0 3 0 zaliczenie
na ocenę
I st – sem 5,
II st – sem 1, 3
Czapkiewicz Anna,
dr
Ekonometria finansowa / Financial
Econometrics 2 lab 4 2 0 2 0
zaliczenie
na ocenę II st – sem 2, 4
Dębski Michał, dr
Algorytmy i struktury danych –
projekt / Algorithms and Data
Structures – Project
2 lab 2 0 0 0 2 zaliczenie
na ocenę I st – sem 4, 6
Domitrz Wojciech,
dr hab. prof. PW
Geometria form różniczkowych /
Geometry of Differential Forms 1 ćw 2 2 0 0 0 egzamin
I st – sem 4, 6,
II st – sem 2, 4
Domitrz Wojciech,
dr hab. prof. PW
Geometria różniczkowa / Differen-
tial Geometry 2 lab 5 2 2 1 0 egzamin
I st – sem 5,
II st – sem 1, 3
Dygas Paweł, mgr
(koordynator dr
Jerzy Wyborski)
Zarządzanie ryzykiem w ubezpie-
czeniach / Risk Management in
Insurance
1 lab 5 2 0 0 2 egzamin II st – sem 3
Gągolewski Marek,
dr inż.
Programowanie i analiza danych w
R / Programming and Data Analy-
sis in R
1 lab 5 2 0 2 0 zaliczenie
na ocenę II st – sem 1, 3
Gągolewski Marek,
dr inż.
Przetwarzanie i analiza danych w
języku Python / Python for Data
Processing and Analysis
1 lab 5 2 0 2 0 zaliczenie
na ocenę II st – sem 1, 3
Górak Rafał, dr Teoria punktu stałego / Fixed point
theory 1 ćw 4 2 2 0 0 egzamin
I st – sem 5,
II st – sem 1, 3
Górka Przemysław,
dr
Ciemna strona analizy / Dark side
of analysis 1 ćw 4 3 0 0 0 egzamin I st – sem 4, 6
Górka Przemysław,
dr,
Naroski Paweł, dr
Seminarium Metody analizy w
teorii grafów / Seminar in Anali-
tycal methods in graph theory
1 ćw 2 0 2 0 0 zaliczenie
na ocenę
I st – sem 4, 6,
II st – sem 2, 4
Grytczuk Jarosław,
prof. dr hab.
Gry kombinatoryczne / Combina-
torial Games 3 lab 4 2 0 0 1 egzamin
I st – sem 5,
II st – sem 1, 3
Grytczuk Jarosław,
prof. dr hab.
Kombinatoryczna teoria liczb /
Combinatorial Number Theory 3 lab 4 2 0 0 1 egzamin
I st – sem 5,
II st – sem 1, 3
Grzenda Maciej, dr
hab. Bazy danych / Databases 3 lab 4 1 0 2 0
zaliczenie
na ocenę II st – sem 1, 3
6
Nazwisko i imię
prowadzącego
przedmiot
Nazwa przedmiotu liczba
grup ECTS
wymiar godzin w
tygodniu forma
zaliczenia
studia oraz
semestr w ćw lab proj
Jabłoński Bartosz, dr
(lab. – Bartoszuk
Maciej, mgr inż.)
Narzędzia SAS / SAS Tools 2 lab 4 2 0 2 0 zaliczenie
na ocenę II st – sem 2, 4
Jaroszewicz Szy-
mon, dr hab. inż.
Wybrane zaawanowane zagadnie-
nia uczenia maszynowego / Selec-
ted Advanced Topics in Machine
Learning
1 lab 4 2 0 2 0 egzamin II st – sem 4
Kołodziejczyk Da-
nuta, dr hab. prof.
PW
Wybrane zagadnienia topologii
geometrycznej / Selected Topics
on Geometric Topology
1 ćw 5 2 2 0 0 egzamin I st – sem 4, 6,
II st – sem 2, 4
Kubica Adam, dr Analiza funkcjonalna 2 / Functio-
nal Analysis 2 1 ćw 5 2 2 0 0 egzamin
I st – sem 6,
II st – sem 2, 4
Luckner Marcin, dr
inż.
Pracownia projektowa / Project
Workshop 2 lab 4 0 0 0 3
zaliczenie
na ocenę
I st – sem 6,
II st – sem 2, 4
Matysiak Wojciech,
dr
Przetwarzanie i analiza danych w
Systemie SAS / Data Management
and Analysis in the SAS System
3 lab 5 2 0 2 0 zaliczenie
na ocenę II st – sem 1, 3
Naroski Paweł, dr Matematyka dyskretna 2 / Discrete
Mathematics 2 4 ćw 4 2 2 0 0
zaliczenie
na ocenę
I st – sem 4, 6,
II st – sem 2, 4
Niewęgłowski Ma-
riusz, dr
Modelowanie ryzyka kredytowego
/ Credit Risk Modelling 1 ćw 4 2 2 0 0
zaliczenie
na ocenę II st – sem 3
Niewęgłowski Ma-
riusz, dr
Zastosowania łańcuchów i pro-
cesów markowa / Applications of
Markov Chains and Markov pro-
cesses
1 ćw 4 1 1 1 0 zaliczenie
na ocenę II st – sem 2. 4
Okulewicz Michał,
dr inż.
Metody Losowe Optymalizacji
Globalnej / Sampling Global
Optimization Methods
1 lab 4 1 0 3 0 zaliczenie
na ocenę II st – sem 2, 4
Pasternak-Winiarski
Zbigniew, dr hab.
prof. PW
Analityczne funkcje charaktery-
styczne / Analytical characteristic
functions
2 ćw 4 2 2 0 0 egzamin I st – sem 5,
II st – sem 1, 3
Pasternak-Winiarski
Zbigniew, dr hab.
prof. PW
Analiza zespolona 2 / Complex
Analysis 2 2 ćw 4 2 2 0 0 egzamin
I st – sem 6,
II st – sem 2, 4
Radzikowska Anna,
dr
Wnioskowanie rozmyte / Fuzzy
reasoning 2 ćw 4 1 1 0 2
zaliczenie
na ocenę
I st – sem 4, 6,
II st – sem 2, 4
Roszkowska-Lech
Barbara, dr
Matematyka popularna / The
popularization of mathematics 1 ćw 2 0 2 0 0
zaliczenie
na ocenę
I st – sem 4, 6,
II st – sem 2, 4
Roszkowska-Lech
Barbara, dr Teoria liczb / Number Theory 1 ćw 4 2 2 0 0
zaliczenie
na ocenę
I st – sem 5,
II st – sem 1, 3
Sapiecha Paweł, dr
inż.
Realizacja algorytmów ochrony
informacji / Algorithms for infor-
mation security
1 lab 5 2 0 1 1 egzamin II st
Sidz Leszek, dr Geometria klasyczna / Classic
Geometry 1 ćw 4 2 2 0 0 egzamin
I st – sem 4, 6,
II st – sem 2, 4
Sierociński Andrzej,
dr
Wybrane zagadnienia statystyki
matematycznej / Selected Pro-
blems in Mathematical Statistics
2 lab 3 2 0 1 0 zaliczenie
na ocenę II st – sem 2, 4
Snopek Kajetana, dr
hab. inż.
Teoria sygnałów i systemów /
Signal and system theory 2 ćw 5 2 2 0 0
zaliczenie
na ocenę
I st – sem 6,
II st – sem 2, 4
Sójka Grzegorz, dr
Wybrane zagadnienia geometrii
zbiorów wypukłych / Selected
Topics in Convex Sets Geometry
1 ćw 4 2 2 0 0 egzamin I st – sem 4, 6,
II st – sem 2, 4
7
Nazwisko i imię
prowadzącego
przedmiot
Nazwa przedmiotu liczba
grup ECTS
wymiar godzin w
tygodniu forma
zaliczenia
studia oraz
semestr w ćw lab proj
Stronkowski Michał,
dr Logika/ Logic 1 ćw 4 2 2 0 0
zaliczenie
na ocenę
I st – sem 5,
II st – sem 1, 3
Wróbel Iwona, dr
inż.
Zaawansowane Algorytmy Mate-
matyki Obliczeniowej / Advanced
Algorithms of Computational
Mathematics
1 lab 2 0 0 0 2 zaliczenie
na ocenę
I st – sem 4, 6,
II st – sem 2, 4
Zając Mariusz, dr
inż.
Matematyka (nie)dyskretna /
(In)discrete mathematics 1 ćw 4 2 2 0 0 egzamin
I st – sem 6,
II st – sem 2, 4
Zamojska-Dzienio
Anna, dr
Elementy teorii obliczalności i
metamatematyki / Elements of
computability theory and metama-
thematics
2 ćw 4 2 2 0 0 zaliczenie
na ocenę
I st – sem 4, 6,
II st – sem 2, 4
Ziembowski Michał,
dr hab. Teoria Galois / Galois Theory 1 ćw 4 2 2 0 0
zaliczenie
na ocenę
I st – sem 6,
II st – sem 2, 4
Przedmioty humanistyczne
Nazwisko i imię
prowadzącego
przedmiot
Nazwa przedmiotu liczba
grup ECTS
wymiar godzin w
tygodniu forma
zaliczenia
studia oraz
semestr w ćw lab proj
Dębski Michał, dr Pisanie użytkowe / Writing 1 ćw 2 0 2 0 0 zaliczenie
na ocenę każdy
Grytczuk Jarosław,
prof. dr hab.
Między Bachem a Banachem /
Between Bach and Banach 2 0 2 0 0 egamin I st – sem 2
9
Opis przedmiotu
1. TRANSFORMATY CAŁKOWE I WSTĘP DO TEORII DYSTRYBUCJI
Kod przedmiotu (USOS) 1120-MA000-LSP-0538
Nazwa przedmiotu
w polskim Transformaty całkowe i wstęp do teorii dystrybucji
Nazwa przedmiotu
w angielskim Integral Transforms and Introduction to Distribution Theory
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr Agnieszka Badeńska, mgr inż. Łukasz Błaszczyk
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 5 (st. I stopnia) / 1, 3 (st. II stopnia)
Usytuowanie realizacji w roku
akademickim Semestr zimowy
Wymagania wstępne/ przed-
mioty poprzedzające Analiza matematyczna 1-3, Analiza zespolona 1, Równania różniczkowe zwyczajne,
Równania różniczkowe cząstkowe.
Limit liczby studentów Liczba grup: 1 grupa ćwiczeniowa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest przedstawienie najważniejszych przykładów transformat cał-
kowych, wraz z pewnymi ich zastosowaniami w naukach technicznych, oraz wpro-
wadzenie podstawowych pojęć teorii dystrybucji. Ponadto, uczestnicy kursu poznają
szeregi klasyczne Fouriera i Fouriera-Bessela oraz funkcje specjalne Eulera i Bessela.
Są to narzędzia niezbędne do zrozumienia i dalszego studiowania m.in. współczesnej
teorii równań cząstkowych czy analizy fourierowskiej. Stanowią również praktyczne
wykorzystanie pojęć analizy funkcjonalnej.
Efekty kształcenia Patrz TABELA 1.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 h
Ćwiczenia 30 h
Laboratorium 0 h
Projekt 0 h
Treści kształcenia Program wykładu:
1. Funkcje specjalne Eulera (Gamma, Beta), stała Eulera.
2. Trygonometryczny szereg Fouriera - postać rzeczywista i zespolona, twierdzenia
o zbieżności, własności.
3. Transformata Fouriera funkcji - istnienie, własności, transformata odwrotna,
związek z szeregami Fouriera.
4. Transformata Laplace'a - zbieżność, własności, transformata odwrotna,
zastosowania do równań różniczkowych i całkowych oraz w fizyce.
5. Splot funkcji i jego własności.
10
6. Funkcje o nośniku zwartym. Uśrednienie (regularyzacja) funkcji, własności.
Twierdzenie o rozkładzie jedności.
7. Przestrzeń funkcji próbnych D i przestrzeń dystrybucji D'. Dystrybucje regularne
i osobliwe.
8. Różniczkowanie dystrybucji. Pochodna dystrybucyjna i słaba pochodna.
Dystrybucje rzędu skończonego.
9. Przestrzeń funkcji szybko malejących S oraz dystrybucji temperowanych S'.
10. Transformata Fouriera i Laplace'a dystrybucji, własności.
11. Funkcje Bessela i ich podstawowe własności, szeregi Fouriera-Bessela,
zastosowania do równań różniczkowych.
12. Z-transformata i jej zastosowania do rozwiązywania równań różnicowych.
Program ćwiczeń:
1. Rozwijanie funkcji w szereg Fouriera oraz szereg Fouriera sinusów i cosinusów.
2. Dowodzenie tożsamości związanych z funkcjami specjalnymi Eulera.
3. Transformacja Fouriera – dowodzenie własności, wyznaczanie transformat.
4. Transformacja Laplace’a – dowodzenie własności, wyznaczanie transformat.
5. Rozwiązywanie pewnych równań różniczkowych za pomocą transformacji La-
place’a.
6. Obliczanie splotu funkcji, zastosowanie transformacji całkowych do obliczania
splotu.
7. Różniczkowanie w sensie dystrybucyjnym.
8. Transformacja Fouriera i Laplace’a dystrybucji – dowodzenie własności.
9. Rozwiązywanie równań różniczkowych w przestrzeni dystrybucji z wykorzysta-
niem transformacji Fouriera i Laplace’a.
10. Zastosowanie transformat całkowych w problemach technicznych.
11. Z-transformacja – dowodzenie własności, wyznaczanie transformat.
12. Rozwiązywanie prostych równań różnicowych z wykorzystaniem Z-
transformacji.
Metody oceny Na ćwiczeniach student może uzyskać maksymalnie 40 p., w tym 30 p. z dwóch ko-
lokwiów oraz do 10 p. za aktywny udział w ćwiczeniach i prace domowe.
Przedmiot kończy egzamin pisemny, na którym można uzyskać do 60 p.
Warunkiem koniecznym zdania egzaminu jest uzyskanie co najmniej 30 p.
Studenci, którzy uzyskali przynajmniej 30 p. na ćwiczeniach są zwolnieni z części
pisemnej (za którą dodaje się im 30 p.) i zdają wyłącznie egzamin ustny z teorii. Eg-
zamin ustny uważa się za zdany, jeśli student uzyska co najmniej 15 p. na 30 p. moż-
liwych.
Sumę uzyskanych punktów przelicza się na stopnie według poniższych zasad:
3.0 jeśli student uzyskał więcej niż 50 i nie więcej niż 60 p.
3.5 jeśli student uzyskał więcej niż 60 i nie więcej niż 70 p.
4.0 jeśli student uzyskał więcej niż 70 i nie więcej niż 80 p.
4.5 jeśli student uzyskał więcej niż 80 i nie więcej niż 90 p.
5.0 jeśli student uzyskał więcej niż 90 p.
Metody sprawdzania efektów
kształcenia Patrz TABELA 1.
Egzamin Tak
Literatura 1. Notatki z wykładu.
2. A. H. Zemanian, Teoria dystrybucji i analiza transformat, PWN, Warszawa 1969.
3. W. Rudin, Analiza funkcjonalna, PWN, Warszawa 2001.
Witryna www przedmiotu http://www.mini.pw.edu.pl/~badenska/www/?Dydaktyka:Transformaty
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 68 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
d) obecność na egzaminie – 3 h
2. praca własna studenta – 60 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 25 h
11
b) zapoznanie się z literaturą – 15 h
c) przygotowanie do egzaminu – 20 h
Razem 128 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
d) obecność na egzaminie – 3 h
Razem 68 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
-
E. Informacje dodatkowe
Uwagi -
Tabela 1: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01
Zna definicje i najważniejsze własności funkcji specjalnych
Eulera i Bessela oraz szeregu trygonometrycznego Fouriera
i warunki zapewniające jego zbieżność.
ML_W01,
ML_W03,
ML_W33
kolokwia,
egzamin
W02
Zna podstawowe przykłady transformat całkowych funkcji
i dystrybucji oraz ich możliwe zastosowania do rozwiązywania
równań różniczkowych i różnicowych.
ML_W09,
ML_W14,
ML_W33
kolokwia,
egzamin
W03
Ma podstawową wiedzę dotyczącą dystrybucji, w tym również
dystrybucji temperowanych, operacji na dystrybucjach i ich
własności oraz zastosowań.
ML_W12,
ML_W14,
M2_W02
kolokwia,
egzamin
UMIEJĘTNOŚCI
U01
Potrafi rozwinąć funkcję w szereg Fouriera (także sinusów
i cosinusów) i przeanalizować jego zbieżność. Poprawnie wyko-
rzystuje szeregi Fouriera i Fouriera-Bessela w metodzie rozdzie-
lania zmiennych dla zagadnień brzegowych.
ML_U02,
ML_U05,
ML_U10
kolokwia,
egzamin
U02 Oblicza transformaty funkcji i wykorzystuje je do rozwiązywa-
nia równań różniczkowych i różnicowych. ML_U05
kolokwia,
egzamin
U03
Prawidłowo posługuje się pojęciami dystrybucji, dystrybucji
temperowanej, pochodnej dystrybucyjnej, słabej pochodnej,
dystrybucji skończonego rzędu. Poprawnie różniczkuje dystry-
bucje.
ML_U13 kolokwia,
egzamin
U04
Sprawnie posługuje się poprawnym językiem matematycznym
oraz regułami wnioskowania zarówno na piśmie jak i
w prezentacji ustnej.
ML_U14,
M2_U01
kolokwia,
prezentacja
rozwiązań,
egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę poszerzania warsztatu matematycznego na
każdym etapie studiów. ML_KS01
aktywny
udział w
ćwiczeniach
K02 Potrafi współpracować w grupie, dążąc do realizacji postawio-
nych celów.
ML_KS02,
ML_KS03
MNT_K01
aktywny
udział w
ćwiczeniach
12
Opis przedmiotu
2. OPTYMALIZACJA WYPUKŁA W PRZESTRZENIACH HILBERTA I ZASTOSOWANIA
W PRZETWARZANIU OBRAZÓW
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Optymalizacja wypukła w przestrzeniach Hilberta i zastosowania w przetwarzaniu
obrazów
Nazwa przedmiotu
w angielskim
Convex optimization in Hilbert spaces and applications to image processing
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr. hab. Ewa Bednarczuk, prof. PW, dr Monika Syga
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4,6 (I stopień), 2,4 (II stopień)
Usytuowanie realizacji w
roku akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Analiza matematyczna, Algebra liniowa
Limit liczby studentów Liczba grup:
Ćwiczenia – 30 os. /grupa - jedna grupa
Laboratoria – 15 osób /grupa – dwie grupy laboratoryjne
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest prezentacja podstawowych faktów z analizy wypukłej
i optymalizacji wypukłej w przestrzeniach Hilberta oraz zastosowań do konstrukcji
efektywnych schematów obliczeniowych związanych z przetwarzaniem obrazów.
Efekty kształcenia Patrz TABELA 2.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 godzin
Ćwiczenia 20 godzin
Laboratorium 10 godzin
Projekt 0
Treści kształcenia I. Analiza wypukła
1.Funkcje wypukłe – półciągłość, ciągłość
2 Subróżniczkowalność, różniczkowalność – Twierdzenie Mazura, twierdzenie
Bronsted’a-Rockafellar’a
3. Funkcje sprzężone
II. Optymalizacja wypukła
1. Warunki optymalności
2. Dualność
III. Schematy iteracyjne
1. Douglas-Rachford algorithms
2. Projection algorithms
Metody oceny Student może zdobyć maksymalnie 100 pkt, w tym
25 pkt - kolokwium zaliczeniowe na ćwiczeniach,
15 pkt - projekt zaliczeniowy na laboratorium,
60 pkt - egzamin pisemny,
Do zaliczenia przedmiotu wymagane jest uzyskanie co najmniej 50 pkt na 100 pkt.
Metody sprawdzania efek- Patrz TABELA 2.
13
tów kształcenia
Egzamin Tak
Literatura 1. J.F. Bonnans, A. Shapiro, Perturbation Analysis of Optimization Problems
2. C.Zalinescu, Convex Analysis in General Vector Spaces
3. J.Borwein , A. Lewis, Convex Analysis and Nonlinear Optimization. Theory and
Examples
4. H.Bauschke, P.Combettes, Convex Analysis and Monotone Operator Theory in
Hilbert Spaces
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studen-
ta związanych z osiągnię-
ciem efektów kształcenia
1. godziny kontaktowe – 68h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 20 h
c) obecność na laboratoriach – 10 h
d) konsultacje – 5 h
e) obecność na egzaminie – 3 h
2. praca własna studenta – 60 h; w tym
a) przygotowanie do ćwiczeń i kolokwiów – 30 h
b) przygotowanie do laboratoriów – 10 h
c) zapoznanie się z literaturą – 5 h
przygotowanie do egzaminu – 15 h
Razem 128 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 20 h
c) obecność na laboratoriach – 10 h
d) konsultacje – 5 h
e) obecność na egzaminie – 3 h
Razem 68h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS,
którą student uzyskuje w
ramach zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 10 h
b) przygotowanie do laboratoriów – 10 h
Razem 20 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 2: EFEKTY KSZTAŁCENIA
Efekty
kształce-
nia dla
modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma wiedzę w zakresie warunków optymalności w optymalizacji
wypukłej z ograniczeniami w przestrzeniach Hilberta
M2_W01 Kolokwium
/egzamin
W02 Ma wiedzę w zakresie problemów dualnych optymalizacji wypukłej
oraz schematów iteracyjnych prymalnych i prymalno-dualnych roz-
wiązywania zadań optymalizacji wypukłej
M2_W02 Projekt
/egzamin
W03 Ma wiedzę w zakresie warunków ciągłości, różniczkowalności i
subróżniczkowalności funkcji wypukłych w przestrzeniach Banacha
i przestrzeniach Hilberta
ML_W12 Kolokwium
/egzamin
W04 Ma wiedzę w zakresie funkcji sprzężonych, epsilon-
subróżniczkowalności, zasady wariacyjnej Ekeland’a w przestrze-
niach Banacha i przestrzeniach Hilberta
ML_W18 Kolokwium
/egzamin
UMIEJĘTNOŚCI
U01 Potrafi wyznaczać subgradienty i funkcje sprzężone oraz badać wa-
runki ich istnienia
ML_U17 Kolokwium/
egzamin
14
U02 Potrafi formułować i analizować warunki optymalności i problemy
dualne optymalizacji wypukłej z ograniczeniami
M2_U02 Kolokwium/
egzamin
U03 Potrafi wykorzystywać pakiety numeryczne i funkcje biblioteczne do
formułowania pseudokodów związanych ze schematami obliczenio-
wymi optymalizacji w przetwarzaniu obrazów
ML_U24 Projekt
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się ML_KS01 Kolokwium/
egzamin
K02 Potrafi współpracować w grupie przy pracy nad projektem ML_KS02 Projekt
K03 Rozumie praktyczne aspekty i znaczenie optymalizacji wypukłej w
przetwarzaniu obrazów
M2_KS01 Kolokwium/
Egzamin/
Projekt
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma wiedzę w zakresie warunków optymalności w optymalizacji
wypukłej z ograniczeniami w przestrzeniach Hilberta
SI_W10 Kolokwium/
Egzamin
W02 Ma wiedzę w zakresie problemów dualnych optymalizacji wypu-
kłej oraz schematów iteracyjnych prymalnych i prymalno-dualnych
rozwiązywania zadań optymalizacji wypukłej
KW_04 Projekt
/egzamin
W03 Ma wiedzę w zakresie warunków ciągłości, różniczkowalności i
subróżniczkowalności funkcji wypukłych w przestrzeniach Bana-
cha i przestrzeniach Hilberta
KW_01 Kolokwium/
Egzamin
W04 Ma wiedzę w zakresie funkcji sprzężonych, epsilon-
subróżniczkowalności, zasady wariacyjnej Ekeland’a w przestrze-
niach Banacha i przestrzeniach Hilberta
SI_W01 Kolokwium/
egzamin
UMIEJĘTNOŚCI
U01 Potrafi wyznaczać subgradienty i funkcje sprzężone oraz badać
warunki ich istnienia
K_U01 Kolokwium/
egzamin
U02 Potrafi formułować i analizować warunki optymalności i problemy
dualne optymalizacji wypukłej z ograniczeniami
K_U02 Kolokwium/
egzamin
U03 Potrafi wykorzystywać pakiety numeryczne i funkcje biblioteczne
do formułowania pseudokodów związanych ze schematami obli-
czeniowymi optymalizacji w przetwarzaniu obrazów
SI_U02 Projekt
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się K_K01 Kolokwium/
egzamin
K02 Potrafi współpracować w grupie przy pracy nad projektem SI_K04 Projekt
K03 Rozumie praktyczne aspekty i znaczenie optymalizacji wypukłej w
przetwarzaniu obrazów
K_K06 Kolokwium/
egzamin/
projekt
Opis przedmiotu
3. TECHNIKI WIZUALIZACJI DANYCH
Kod przedmiotu (USOS) 1120-MA000-NSP-0535
Nazwa przedmiotu
w polskim
Techniki wizualizacji danych
Nazwa przedmiotu
w angielskim
Data visualisation techniques
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
15
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr hab. inż. Przemysław Biecek, prof. PW
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 1 lub 3
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/ przed-
mioty poprzedzające
Statystyka / Analiza danych
Limit liczby studentów Liczba grup: 1
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Poznanie technik wizualizacji danych, statycznej oraz interaktywnych. Poznanie
zagadnień związanych z wizualizacją, takich jak percepcja kolorów, geometrii, reguły
kompozycji danych, związek z analizą danych, predykcją, modelowaniem, testowa-
niem.
Efekty kształcenia Patrz TABELA 3.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 30
Projekt 0
Treści kształcenia Wykład:
Historia grafiki statystycznej
Percepcja obrazu oraz związek z prezentacją danych
Percepcja kolorów oraz związek z prezentacją danych
Percepcja zależności i danych oraz związek z prezentacją danych
Dobór cech elementu wykresu (długość, pole, kąty, kolory) do zmiennych mierzony
zgodnie z różnymi skalami (ilorazowa, różnicowa, uporządkowana, nominalna).
Oprogramowanie do przygotowania grafiki statystycznej, w szczególności pakiet
ggplot2 programu R oraz biblioteka D3.
Przykłady udanych i nieudanych grafik statystycznych z mediów i artykułów
naukowych.
Laboratorium:
1. Wykonanie trzech projektów dotyczących wizualizacji rzeczywistych zbiorów
danych.
2. Prezentacja oraz krytyczna dyskusja na temat opracowanych wizualizacji.
Metody oceny W trakcie semestru studenci będą mieli do wykonania trzy projekty dotyczące wizua-
lizacji danych. Projekty wykonywane będą w domu, ale ich wyniki będą prezentowa-
ne na laboratoriach. Każdy z tych projektów będzie oceniany w skali od 0 do 10
punktów. Do zaliczenia niezbędne jest uzyskanie w sumie przynajmniej 15 punktów.
Ocena końcowa będzie wyznaczana na podstawie punktów uzyskanych z realizacji
trzech projektów częściowych.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 3.
Egzamin Nie
16
Literatura 1. „Zbiór esejów o sztuce pokazywania danych'', Przemysław Biecek 2014
2. ,,The Visual Display of Quantitative Information'' Edward R. Tufte 2001
Witryna www przedmiotu https://github.com/pbiecek/TechnikiWizualizacjiDanych
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 60 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
2. praca własna studenta – 60 h; w tym
a) zapoznanie się z literaturą – 10 h
b) rozwiązanie zadań domowych w domu – 10 h
c) przygotowanie projektów w domu – 20 h
d) przygotowanie do zajęć laboratoryjnych – 20 h
Razem 120 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
Razem 60 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
a) obecność na laboratoriach – 30 h
b) rozwiązanie zadań domowych – 10 h
c) przygotowanie do zajęć laboratoryjnych – 40 h
Razem 80 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 3: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna i potrafi używać narzędzi do graficznej prezentacji da-
nych
M2_W01;
SMAD_W01-02;
SMAD_W04-07;
SMAD_W11
Projekt
W02
Zna zasady percepcji liczb, geometrii, kolorów, zna gramaty-
kę języka wizualizacji danych
Prace do-
mowe, pro-
jekt
UMIEJĘTNOŚCI
U01 Potrafi korzystać z języka R, pakietu ggplot2 lub innych na-
rzędzi do tworzenia wykresów statycznych
M2_U01;
M2_U02;
SMAD_U07;
SMAD_U18
Prace do-
mowe, pro-
jekt
U02 Potrafi korzystać z bibliotek D3 i innych narzędzi do tworze-
nia interaktywnych wizualizacji
Prace do-
mowe, pro-
jekt
U03 Potrafi krytycznie analizować wizualizację danych i zestawiać
ją zależnościami pomiędzy danymi
Prace do-
mowe, pro-
jekt
KOMPETENCJE SPOŁECZNE
K01 Potrafi w zespole tworzyć i poprawiać graficzną prezentację
danych
M2_K01;
SMAD_K01-03
Prace do-
mowe, pro-
jekt
17
Opis przedmiotu
4. PROGRAMOWANIE I ANALIZA DANYCH W R DLA ZAAWANSOWANYCH
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Programowanie i analiza Danych w R dla Zaawansowanych
Nazwa przedmiotu
w angielskim
Advances in programming and data analysis with R
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr hab. inż. Przemysław Biecek, prof. PW
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 2-4 mgr
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/ przed-
mioty poprzedzające
Programowanie i Analiza Danych w R
Limit liczby studentów Liczba grup: 1
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Poznanie zaawansowanych technik przetwarzania danych z programem R, pakietów z
grupy tidyverse, programów Shiny, aplikacji opencpu, bibliotek dplyr, tidyr, technik
wtórzenia pakietów i pracy z systemem GitHub.
Efekty kształcenia Patrz TABELA 4.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 30
Projekt 0
Treści kształcenia Wykład:
1. Dostęp i przetwarzanie dużych zbiorów danych, Praca z pakietami: tidyr + dplyr
+ in database [SQL] + hadoop
2. Obliczenia równoległe. Praca z klastrami obliczeniowymi, MPI i innymi frame-
workami,
3. Web based data products, Praca z pakietami: shiny + REST + Rserve
Laboratorium:
Wykonanie dwóch projektów dotyczących tworzenia aplikacji z biblioteką Shiny,
knitr i dplyr.
Metody oceny Podczas kursu studenci będą realizować trzy projekty oceniane w skali 0-100.
Zaliczenie i ocena z kursu będzie zależna głównie od sposobu realizacji tych projek-
tów. Dodatkowe punkty można zdobyć odrabiając prace domowe.
18
Metody sprawdzania efektów
kształcenia
Patrz TABELA 4.
Egzamin Nie
Literatura ,,Przewodnik po pakiecie R'', Przemysław Biecek 2017
,,R Packages’’ Hadley Wickham
Witryna www przedmiotu https://github.com/pbiecek/RandBigData
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 60 h; w tym
a) obecność na wykładach – 20 h
b) obecność na laboratoriach – 20 h
c) obecność na zajęciach projektowych – 20 h
2. praca własna studenta – 60 h; w tym
a) zapoznanie się z literaturą – 10 h
b) rozwiązanie zadań domowych – 10 h
c) przygotowanie do zajęć projektowych – 40 h
Razem 120 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
1. obecność na wykładach – 20 h
2. obecność na laboratoriach – 20 h
3. obecność na zajęciach projektowych – 20 h
Razem 60 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
1. obecność na laboratoriach – 20 h
2. obecność na zajęciach projektowych – 20 h
3. rozwiązanie zadań domowych – 10 h
4. przygotowanie do zajęć projektowych – 40 h
Razem 90 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 4: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma podstawową wiedzę dotyczącą uwarunkować badaw-
czych w zakresie modelowania matematycznego.
M2_W02 Projekt
W02 Zna biblioteki analizy dużych i złożonych danych z progra-
mem R
M2_W02 Projekt
UMIEJĘTNOŚCI
U01 Potrafi w przystępny sposób przedstawić wyniki badań w
postaci samodzielnie przygotowanego referatu po polsku lub
w języku obcym, zawierającego motywację, metody docho-
dzenia do wyników oraz ich znaczenie na tle innych podob-
nych wyników.
M2_U01 Projekt
U02 Potrafi pisać efektywne i czytelne programy w języku R M2_U01 Projekt
KOMPETENCJE SPOŁECZNE
K01 Potrafi współdziałać i pracować w zespole przyjmując w nim
różne role.
SMAD_K01 Projekt
19
Opis przedmiotu
5. WYBRANE ZAGADNIENIA TEORII GRAFÓW
Kod przedmiotu (USOS) 1120-MA000-LSP-0543
Nazwa przedmiotu
w polskim Wybrane zagadnienia teorii grafów
Nazwa przedmiotu
w angielskim Selected Topics in Graph Theory
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Krzysztof Bryś
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 6 (I stopień), 2,4 (II stopień)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/ przed-
mioty poprzedzające
Matematyka dyskretna
Limit liczby studentów Liczba grup: 1
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Zapoznanie studentów z wybranym pojęciami i faktami teorii grafów, metodami
dowodzenia twierdzeń teorii grafów oraz zastosowaniami omawianych pojęć do roz-
wiązywania problemów z różnych dziedzin nauki.
Efekty kształcenia Patrz TABELA 5.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 godz.
Ćwiczenia 15 godz.
Laboratorium 0
Projekt 0
Treści kształcenia 1. Znajdowanie maksymalnego skojarzenia w grafie. Twierdzenie Berge’a.
2. Grafy doskonałe.
3. Wielomiany chromatyczne.
4. Zliczanie drzew. Kod Prufera.
5. Zliczanie grafów izomorficznych.
6. Grafy nieskończone. Lemat Koniga.
7. Elementy teorii Ramseya dla grafów.
8. Minory w grafach.
9. Grafy skierowane. Silna spójność. Turnieje.
10. Ścieżki w grafie. Pokrycie grafu ścieżkami. Ścieżki między danymi wierz-
chołkami grafu.
11. Grafy losowe.
20
Metody oceny Jedno kolokwium na ostatnim wykładzie złożone z 3-4 pytań teoretycznych dotyczą-
cych wiedzy podawanej podczas wykładów oraz 2-3 zadań do samodzielnego roz-
wiązania analogicznych do zadań rozwiązywanych na ćwiczeniach. Maksymalna
liczba punktów do zdobycia na kolokwium: 100. Do punktów uzyskanych na końco-
wym kolokwium doliczane będą punkty dodatkowe uzyskane za aktywność na ćwi-
czeniach, samodzielne wykonanie nieobowiązkowych prac domowych (0-10 punk-
tów).
Zdobycie w sumie 51 punktów oznacza zaliczenie ćwiczeń i wykładu.
Oceny: 51-60 punktów w sumie - 3.0, 61-70 - 3.5, 71-80 - 4.0, 81-90 - 4.5, powyżej
90 - 5.0.
Do kolokwium zaliczeniowego dopuszczeni będą wszyscy studenci zapisani na wy-
kład. Możliwe będzie powtórne pisanie kolokwium.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 5.
Egzamin Nie
Literatura 1. N. Deo – Teoria grafów i jej zastosowania w technice i informatyce, PWN,
1985.
2. R. Diestel – Graph Theory, Springer – Verlag 2016.
3. M.M. Sysło, N. Deo, J.Kowalik – Algorytmy optymalizacji dyskretnej, PWN,
1995.
4. K.A. Ross, C.R.B. Wright – Matematyka Dyskretna, PWN, 2000.
5. R.J. Wilson – Wprowadzenie do teorii grafów, PWN, 1998
Witryna www przedmiotu http://www.mini.pw.edu.pl/~brys/www
D. Nakład pracy studenta
Liczba punktów ECTS 3
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 50 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 15 h
c) konsultacje – 5 h
2. praca własna studenta – 35 h; w tym
a) przygotowanie do ćwiczeń – 15 h
b) zapoznanie się z literaturą – 10 h
c) przygotowanie do kolokwium zaliczeniowego – 10 h
Razem 85 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 15 h
c) konsultacje – 10 h
Razem 50 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
-
E. Informacje dodatkowe
Uwagi -
Tabela 5: EFEKTY KSZTAŁCENIA
Dla kierunku Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Student posiada wiedzę dotyczącą wybranych zagadnień teorii
grafów ML_W15
Kolokwium,
aktywność
na zajęciach
W02 Student zna wybrane techniki dowodzenia twierdzeń teorii ML_W15 Kolokwium,
21
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
grafów aktywność
na zajęciach
UMIEJĘTNOŚCI
U01 Student potrafi stosować wybrane pojęcia teorii grafów do ana-
lizy i rozwiązywania problemów
ML_U14
ML_U15
Kolokwium,
aktywność
na zajęciach
U02 Student potrafi samodzielnie wykorzystać poznane fakty i me-
tody do dowodzenia własności grafów
ML_U14
ML_U15
Kolokwium,
aktywność
na zajęciach
KOMPETENCJE SPOŁECZNE
K01 Student rozumie potrzebę pogłębiania wiedzy dotyczącej teorii
grafów ML_KS01
Kolokwium,
aktywność
na zajęciach
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Student posiada wiedzę dotyczącą wybranych zagadnień teorii
grafów K_W01
Kolokwium,
aktywność
na zajęciach
W02 Student zna wybrane techniki dowodzenia twierdzeń teorii
grafów K_W01
Kolokwium,
aktywność
na zajęciach
UMIEJĘTNOŚCI
U01 Student potrafi stosować wybrane pojęcia teorii grafów do ana-
lizy i rozwiązywania problemów
K_U03
K_U04
Kolokwium,
aktywność
na zajęciach
U02 Student potrafi samodzielnie wykorzystać poznane fakty i me-
tody do dowodzenia własności grafów
K_U03
K_U04
Kolokwium,
aktywność
na zajęciach
KOMPETENCJE SPOŁECZNE
K01 Student rozumie potrzebę pogłębiania wiedzy dotyczącej teorii
grafów K_K01
Kolokwium,
aktywność
na zajęciach
Opis przedmiotu
6. METODY KOMPUTEROWE W RÓWNANIACH RÓŻNICZKOWYCH
Kod przedmiotu (USOS) 1120-MA000-LSP-0643
Nazwa przedmiotu
w polskim
Metody komputerowe w równaniach różniczkowych
Nazwa przedmiotu
w angielskim
Computer methods in differential equations
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
22
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu prof. dr hab. Krzysztof Chełmiński, mgr inż. Łukasz Błaszczyk
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 5 (st. I stopnia) / 1, 3 (st. II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/ przed-
mioty poprzedzające
Studenci powinni mieć zaliczone przedmioty Analiza matematyczna I-III.
Zalecane jest też uczestnictwo w zajęciach Równania różniczkowe zwyczajne oraz
Równania różniczkowe cząstkowe.
Limit liczby studentów Liczba grup: 2 grupy laboratoryjne (2 x 15 osób)
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z narzędziami programistycznymi do
obliczeń symbolicznych i numerycznych, w szczególności do analizy równań róż-
niczkowych, tzn. ze środowiskiem Mathematica i MATLAB. Istotnym aspektem
przedmiotu jest również przedstawienie numerycznych metod różniczkowania funkcji
i rozwiązywania równań różniczkowych zwyczajnych i cząstkowych oraz pokazanie
praktycznych zastosowań tych równań w modelowaniu zjawisk fizycznych.
Efekty kształcenia Patrz TABELA 6.
Formy zajęć i ich wymiar
(semestralne)
Wykład 15 h
Ćwiczenia 0 h
Laboratorium 45 h
Projekt 0 h
Treści kształcenia Wykład (15h):
1. Różniczkowanie numeryczne: Formuły różnicowe, zwiększanie dokładności róż-
niczkowania (ekstrapolacja Richardsona).
2. Rozwiązywanie równań różniczkowych zwyczajnych #1: Podstawowe własności
metod rozwiązywania równań różniczkowych (rząd metody, błąd metody), metody
jednokrokowe typu Runge-Kutty.
3. Rozwiązywanie równań różniczkowych zwyczajnych #2: Metody wielokrokowe
typu Adamsa (otwarte i zamknięte), stabilność metod, metoda predyktor-korektor,
rozwiązywanie układów równań.
4. Równania różniczkowe cząstkowe #1: Metoda różnic skończonych, schematy
różnicowe (zgodność, zbieżność), metoda Cranka-Nicolsona (równania hiperboliczne
i paraboliczne 1-D).
5. Równania różniczkowe cząstkowe #2: Metoda różnic skończonych dla zagadnienia
Dirichleta równania eliptycznego (2-D).
Laboratorium (45h):
1. Wprowadzenie do programu Mathematica.
2. Rozwiązywanie równań zwyczajnych w Mathematice: Portrety fazowe i izokliny,
użycie wbudowanego solvera do znajdowania rozwiązań analitycznych
i numerycznych.
3. Układy równań zwyczajnych.
4. Zastosowania #1: równanie zawieszonego łańcucha.
5. Zastosowania #2: model wahadła matematycznego.
6. Zastosowania #3: proste obwody elektryczne.
7. Metody numeryczne w równaniach różniczkowych zwyczajnych: Metoda kolej-
nych przybliżeń Picarda, metody jednokrokowe (metoda Eulera, metoda Heuna, me-
23
toda Runge-Kutty), metody wielokrokowe (metody Adamsa – otwarte i zamknięte).
8. Wprowadzenie do programu MATLAB.
9. Różniczkowanie numeryczne w MATLABie: Schematy jednokrokowe (forward,
backward i central), badanie stabilności rozwiązań numerycznych.
10. 1-D równanie falowe: Użycie schematu leap-frog do badania zachowania rozwią-
zań numerycznych 1-D równania falowego i analizy zjawiska rezonansu.
11. Równanie wiszącej liny: Wykorzystanie dodatkowych warunków brzegowych
i porównanie z rozwiązaniem danym funkcjami Bessela.
12. Równanie dyfuzji: Wykorzystanie metody Cranka-Nicolsona.
13. Równanie Schroedingera: Wykorzystanie metody Cranka-Nicolsona do badania
zachowania cząstki w pudełku (MATLAB) oraz badanie zjawiska tunelowania (Ma-
thematica).
14. Układ równań płytkiej wody: Użycie metod różnicowych do rozwiązania proble-
mów zadanych w postaci nieliniowych praw zachowania.
15. Podsumowanie.
Metody oceny Ocena z wykładu i laboratorium będzie wystawiona na podstawie pracy w laborato-
rium oraz prac domowych (w formie małych projektów).
Przedmiot oceniany będzie w skali 0-100 punktów. Na ocenę będą składały się punk-
ty za prace domowe wykonywane po ćwiczeniach laboratoryjnych (60 punktów) oraz
zespołowy projekt (zakończony prezentacją) wykorzystujący zagadnienia teoretyczne
poruszane na wykładzie i implementowane podczas ćwiczeń laboratoryjnych
(40 punktów).
Ocena będzie wystawiona według standardowej skali procentowej.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 6.
Egzamin Nie
Literatura 1. M. Tenenbaum, H. Pollard, „Ordinary Differential Equations. An Elementary
Textbook for Students of Mathematics, Engineering, and the Sciences,” Dover Publi-
cations, 1985.
2. J. Polking, A. Bogges, D. Arnold, „Differential Equations with Boundary Value
Problems.” Pearson, 2nd edition, 2005.
3. J. C. Strikwerda, „Finite Difference Schemes and Partial Differential Equations.”
Society for Industrial and Applied Mathematics, 2nd edition, 2004.
4. C. A. J. Fletcher, „Computational Techniques for Fluid Dynamics.” Springer, 2nd
edition, 2005.
5. R. J. LeVeque, „Finite Difference Methods for Ordinary and Partial Differential
Equations.” Society for Industrial and Applied Mathematics, 2007.
Witryna www przedmiotu http://www.ire.pw.edu.pl/~lblaszcz/dydaktyka/RRLAB
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 75 h; w tym
a) obecność na wykładach – 15 h
b) obecność na laboratoriach – 45 h
c) konsultacje i/lub e-konsultacje – 15 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do laboratorium – 15 h
b) zapoznanie się z literaturą – 15 h
c) przygotowanie sprawozdań i prac domowych – 20 h
Razem 125 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 15 h
b) obecność na laboratoriach – 45 h
c) konsultacje i/lub e-konsultacje – 15 h
Razem 75 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
a) obecność na laboratoriach – 45 h
b) przygotowanie sprawozdań i prac domowych – 20 h
Razem 65 h, co odpowiada 2 pkt. ECTS
24
E. Informacje dodatkowe
Uwagi -
Tabela 6: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01
Ma wiedzę w zakresie metod numerycznego różniczkowania
funkcji, badania i rozwiązywania równań różniczkowych zwy-
czajnych.
ML_W07
ML_W08
ML_W19
punktowane
laboratorium
W02 Zna podstawy metody różnic skończonych rozwiązywania rów-
nań różniczkowych cząstkowych.
ML_W09
ML_W19
punktowane
laboratorium
W03 Ma podstawową wiedzę z zakresu równań różniczkowych do
modelowania zjawisk fizycznych.
ML_W19
ML_W33
projekt ze-
społowy
UMIEJĘTNOŚCI
U01 Potrafi zastosować gotowe narzędzia komputerowe do rozwią-
zywania równań różniczkowych.
ML_U09
ML_U24
punktowane
laboratorium
U02 Potrafi przedstawiać wyniki samodzielnych eksperymentów
komputerowych w formie sprawozdania i referatu. M2_U01
projekt ze-
społowy
U03
Sprawnie posługuje się poprawnym językiem matematycznym
oraz regułami wnioskowania. W oparciu o materiały źródłowe,
potrafi przygotować i przedstawić wystąpienie ustne.
ML_U14
ML_U31
MNI_U20
projekt ze-
społowy
KOMPETENCJE SPOŁECZNE
K01 Potrafi współdziałać w grupie, dążąc do rozwiązania postawio-
nego problemu.
ML_KS02
ML_KS03
MNT_K01
punktowane
lab., projekt
zespołowy
Opis przedmiotu
7. EKONOMETRIA FINANSOWA
Kod przedmiotu (USOS) 1120-MA000-NSP-0622
Nazwa przedmiotu w polskim Ekonometria finansowa
Nazwa przedmiotu w angielskim Financial Econometric
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność Statystyka matematyczna i analiza danych
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Anna Czapkiewicz
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 2, 4
25
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/ przed-
mioty poprzedzające
Wymagana wiedza z zakresu statystyki oraz umiarkowana umiejętność programo-
wania w środowisku R
Limit liczby studentów Liczba grup: 2
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studenta z wybranymi modelami ekonometrycz-
nymi oraz różnymi narzędziami ekonometrycznym przydatnymi do analizowania
danych, głównie szeregów finansowych.
Efekty kształcenia Patrz TABELA 7.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 30
Projekt 0
Treści kształcenia 1. Pojęcie modelu ekonometrycznego. Klasyfikacja modeli. Etapy budowania
modelu. Przykłady modeli ekonometrycznych. Weryfikacja stabilności modelu
oraz stabilności parametrów modelu (test Chowa)
2. Weryfikacja liniowego modelu ekonometrycznego. Pojęcie
heteroskedastyczności i autokorelacji. Konsekwencje występowania
heteroskedastyczności i autokorelacji w modelu. Korekta Neweya-Westa.
3. Modele liniowe wielorównaniowe. Sposoby wyznaczania estymatorów
nieznanych parametrów. Testy restrykcji.
4. Model SUR (Seemingly unrelated regressions). Metody estymacji i własności
modelu. Zastosowanie modeli SUR do analizy czynników ryzyka na giełdzie
papierów wartościowych.
5. Modele wyceny kapitałowej: model CAPM model Famy i Frencha. Etapy
badania modelu oraz sposoby wyznaczania parametrów modelu.
6. Ryzyko na rynkach finansowych. Analiza wybranych miar ryzyka: VaR oraz
Expected shortfall . Sposoby wyznaczania miar ryzyka.
7. Finansowe szeregi czasowe. Charakterystyka i wybrane własności szeregów
finansowych.
8. Dynamiczne modele ekonometryczne. Modele autoregresji z rozłożonymi
opóźnieniami i modele VAR. Analiza przyczynowości. Przyczynowość
w finansach.
9. Kointegracja . Badanie związków długookresowych. Badanie kointegracji
rynków finansowych
10. Model VECM. Etapy budowania modelu. Zastosowanie modelu do badania
zależności pomiędzy rynkami finansowymi. Analiza zależności długo
i krótkookresowej.
11. Funkcje kopuli. Pojęcie funkcji kopuli i sposoby estymacji nieznanych
parametrów. Zastosowanie do badania siły związku pomiędzy rynkami
finansowymi.
12. Ukryte procesy Markowa. Pojęcie ukrytego procesu Markowa oraz jego
zastosowanie w modelowaniu dynamiki zjawisk.
Metody oceny Zaliczenie na podstawie krótkich sprawozdań z wykonanych ćwiczeń na laboratorium
oraz na podstawie prezentacji dotyczącej wybranego tematu przygotowanej samo-
dzielnie lub w grupie.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 7.
Egzamin Nie
Literatura 1. 1. W.H. Greene Econometric Analysis, Prentice Hall 2003
2. G.S.Maddala Ekonometria , PWN 2006
3. H. Lutkepohl New Introduction to Multiple Time Series Analysis, Springer
2007
4. J.D. Hamilton Time series analysis, Princeton University Press 1994
Witryna www przedmiotu
26
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do laboratoriów – 30 h
b) przygotowanie prezentacji – 10 h
b) zapoznanie się z literaturą – 10 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
a) obecność na laboratoriach – 30 h
b) przygotowanie do laboratoriów – 30 h
Razem 60 h, co odpowiada 2 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 7: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
kierunkowych
efektów kształ-
cenia
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma pogłębioną wiedzę dotyczącą modeli analitycznych, proba-
bilistycznych, algebraicznych. M2_W01 prezentacja
W02 Ma podstawową wiedzę dotyczącą uwarunkować badawczych
w zakresie modelowania matematycznego. M2_W02
sprawozdanie
z laboratorium
UMIEJĘTNOŚCI
U01
Potrafi w przystępny sposób przedstawić wyniki badań w posta-
ci samodzielnie przygotowanego referatu po polsku lub w języ-
ku obcym, zawierającego motywację, metody dochodzenia do
wyników oraz ich znaczenie na tle innych podobnych wyników.
M2_U01
prezentacja,
sprawozdanie
z laboratorium
KOMPETENCJE SPOŁECZNE
K01 Potrafi współdziałać i pracować w zespole przyjmując w nim
różne role. SMAD_K01 prezentacja
K02 Rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związanej z tym odpowiedzialności. M2_K01 prezentacja
Opis przedmiotu
8. ALGORYTMY I STRUKTURY DANYCH – PROJEKT
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Algorytmy i struktury danych – projekt
Nazwa przedmiotu
w angielskim
Algorithms and Data Structures – Project
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego stopnia
Forma i tryb prowadzenia Stacjonarne
27
studiów
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Michał Dębski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/ przed-
mioty poprzedzające
Algorytmy i struktury danych, Programowanie obiektowe
Limit liczby studentów Liczba grup: 2
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest pokazanie studentom, w jaki sposób należy postępować
z problemami algorytmicznymi, z uwzględnieniem analizy teoretycznej, implementa-
cji i testowania rozwiązania.
Efekty kształcenia Patrz TABELA 8.
Formy zajęć i ich wymiar
(semestralne)
Wykład 0
Ćwiczenia 0
Laboratorium 0
Projekt 30
Treści kształcenia Studenci w dwu- lub trzyosobowych grupach zmierzą się z wybranym zagadnieniem
algorytmicznym. Projekt będzie obejmował:
1. dowód poprawności algorytmu,
2. analizę złożoności czasowej algorytmu,
3. analizę złożoności pamięciowej algorytmu,
4. implementację algorytmu w wybranym języku programowania,
5. badanie wydajności implementacji na właściwie dobranych przypadkach
testowych,
6. przedstawienie wyników projektu w formie pisemnego sprawozdania.
Metody oceny Ocena od 0 do100 punktów wystawiana na podstawie projektu, według kryteriów:
Analiza teoretyczna (0-30 pkt),
Poprawność i estetyka implementacji (0-20 pkt),
Testy (0-25 pkt),
Sprawozdanie (0-25 pkt).
Skala ocen: 51-60 punktów – trzy, 61-70 punktów – trzy i pół, 71-80 punktów – czte-
ry, 81-90 punktów – cztery i pół, 91-100 punktów – pięć.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 8.
Egzamin Nie
Literatura 1. Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein -
"Wprowadzenie do algorytmów", WNT, 2007
2. Alfred V. Aho, John E. Hopcroft, Jeffrey D. Ullman - " Algorytmy i struktury
danych", Helion, 2003
3. Lech Banachowski, Krzysztof Diks, Wojciech Rytter - "Algorytmy i struktury
danych", WNT, 2006
Witryna www przedmiotu
28
D. Nakład pracy studenta
Liczba punktów ECTS 2
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 15 h; w tym
a) obecność na laboratoriach – 10 h
b) konsultacje – 5 h
2. praca własna studenta – 40 h; w tym
a) zapoznanie się z literaturą – 10 h
b) przygotowanie projektu – 30 h
Razem 55 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na laboratoriach – 10 h
b) konsultacje – 5 h
Razem 15 h, co odpowiada 0.5 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
a) zapoznanie się z literaturą – 10 h
b) przygotowanie projektu – 30 h
Razem 40 h, co odpowiada 1.5 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 8: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Znajomość metod analizy poprawności i złożoności algorytmów ML_W23 Ocena spra-
wozdania
UMIEJĘTNOŚCI
U01 Implementacja algorytmu w wybranym języku programowania ML_U22 Ocena pro-
jektu
U02 Teoretyczna analiza algorytmu pod kątem poprawności i wy-
dajności
ML_U23 Ocena spra-
wozdania
U03 Testowanie wydajności programu ML_U23 Ocena pro-
jektu
U04 Zaprezentowanie swojego rozwiązania w formie pisemnej ML_U31 Ocena spra-
wozdania
KOMPETENCJE SPOŁECZNE
K01 Umiejętność pracy w grupie. ML_KS02 Ocena pro-
jektu
Opis przedmiotu
9. GEOMETRIA FORM RÓŻNICZKOWYCH
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Geometria form różniczkowych
Nazwa przedmiotu
w angielskim
Geometry of differentia forms
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
29
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr hab. inż. Wojciech Domitrz, prof. PW
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6 (I stopień), 2,4 (II stopień)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/ przed-
mioty poprzedzające
Algebra liniowa 1,2; Analiza matematyczna 1,2,3; Równania różniczkowe zwyczajne
Limit liczby studentów Liczba grup: 1
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z podstawami geometrii form różnicz-
kowych.
Efekty kształcenia Patrz TABELA 9.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 0
Projekt 0
Treści kształcenia Algebra tensorowa. Algebra zewnętrzna. Formy różniczkowe. Różniczka zewnętrzna.
Cofnięcia form różniczkowych. Całkowanie form różniczkowych. Twierdzenie Sto-
ke’a. Lemat Poincare. Kohomologie de Rhama.
Metody oceny Prace domowe 50%. Egzamin 50%
Metody sprawdzania efektów
kształcenia
Patrz TABELA 9.
Egzamin Tak
Literatura 1. M. Spivak: Analiza na rozmaitościach, PWN, Warszawa.
2. V. I. Arnold: Metody matematyczne mechaniki klasycznej, PWN, Warszawa.
3. J. Skwarczyński: Geometria rozmaitości Riemanna, PWN, Warszawa 1993 .
4. M. Spivak: Comprehensive introduction to differential geometry, Publish or Per-
ish, 1999, vol. I, II.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 2
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 38 h; w tym
a) obecność na wykładach – 30 h
b) obecność na egzaminie – 3 h
c) konsultacje – 5 h
2. praca własna studenta – 20 h; w tym
a) przygotowanie prac domowych – 10 h
a) zapoznanie się z literaturą – 5 h
b) przygotowanie do egzaminu – 5 h
Razem 58 h, co odpowiada 2 pkt. ECTS
30
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na egzaminie – 3 h
c) konsultacje – 5 h
Razem 38 h, co odpowiada 1 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
-
E. Informacje dodatkowe
Uwagi -
Tabela 9: EFEKTY KSZTAŁCENIA
Kierunek Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe pojęcia, metody i twierdzenia geometrii form
różniczkowych i kohomologii de Rhama.
ML_W04
ML_W07
ML_W08
ML_W16
ML_W33
M2_W01
egzamin
UMIEJĘTNOŚCI
U01 Umie stosować podstawowe pojęcia, metody i twierdzenia
geometrii form różniczkowych i kohomologii de Rhama.
ML_U06
ML_U08
ML_U15
ML_U17
M2_U02
egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie ML_KS01
MNT_K02
Kierunek Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe pojęcia, metody i twierdzenia algebry ze-
wnętrznej form różniczkowych i kohomologii de Rhama.
K_W01
CC_W02 egzamin
UMIEJĘTNOŚCI
U01
Umie stosować podstawowe pojęcia, metody i twierdzenia al-
gebry zewnętrznej form różniczkowych i kohomologii de Rha-
ma.
CC_U06
K_U01 egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie. CC_K01
K_K02 egzamin
Opis przedmiotu
10. GEOMETRIA RÓŻNICZKOWA
Kod przedmiotu (USOS) 1120-MA000-LSP-0619
Nazwa przedmiotu
w polskim
Geometria rózniczkowa
Nazwa przedmiotu Differential Geometry
31
w angielskim
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr hab. inż. Wojciech Domitrz, prof. PW
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/ przed-
mioty poprzedzające
Algebra liniowa 1,2; Analiza matematyczna 1,2,3; Równania różniczkowe zwyczajne
Limit liczby studentów Liczba grup: 2 lab
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z podstawami geometrii różniczkowej
Efekty kształcenia Patrz TABELA 10.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 15
Projekt 0
Treści kształcenia Wstęp do teorii krzywych. Rozmaitości. Przestrzeń styczna. Podrozmaitości. Pola
wektorowe. Pola tensorowe. Koneksja liniowa. Tensor krzwizny. Przesunięcie rów-
noległe. Pochodna kowariantna. Tensor metryczny. Praca w pakiecie Mathematica
nad wizualizacją i rozwiązaniem zagadnień geometrii różniczkowej.
Metody oceny Kolokwia 40%, Praca na laboratoriach 10%. Egzamin 50%
Metody sprawdzania efektów
kształcenia
Patrz TABELA 10.
Egzamin Tak
Literatura 1. J. Gancarzewicz, B. Opozda: Wstęp do geometrii różniczkowej, Wydawnictwo
UJ, Kraków 2003.
2. J. Oprea: Geometria różniczkowa i jej zastosowania, PWN, Warszawa 2002 .
3. J. Skwarczyński: Geometria rozmaitości Riemanna, PWN, Warszawa 1993 .
4. M. Spivak: Comprehensive introduction to differential geometry, Publish or
Perish, 1999, vol. I, II.
Witryna www przedmiotu e.mini.pew.edu.pl
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 83 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) obecność na laboratoriach – 15 h
32
d) konsultacje – 5 h
e) obecność na egzaminie – 3 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 20 h
b) przygotowanie do laboratoriów – 10 h
c) zapoznanie się z literaturą – 5 h
d) przygotowanie do egzaminu – 15 h
Razem 133 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) obecność na laboratoriach – 15 h
d) konsultacje – 5 h
e) obecność na egzaminie – 3 h
Razem 83 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
a) obecność na laboratoriach – 15 h
b) przygotowanie do laboratoriów – 10 h
Razem 25 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 10: EFEKTY KSZTAŁCENIA
Kierunek Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe pojęcia i twierdzenia geometrii różniczkowej
ML_W04
ML_W07
ML_W08
ML_W16
ML_W33
M2_W01
Egzamin,
kolokwia,
zadania na
laboratoriach
UMIEJĘTNOŚCI
U01 Umie stosować podstawowe pojęcia i twierdzenia geometrii
różniczkowej w rozwiązywaniu problemów geometrycznych..
ML_U06
ML_U08
ML_U15
ML_U17
M2_U02
Egzamin,
kolokwia,
zadania na
laboratoriach
U02 Umie stosować pakiet Mathematica do zagadnień geometrycz-
nych ML_U24
Egzamin,
kolokwia,
zadania na
laboratoriach
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie ML_KS01
MNT_K02
Kierunek Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia dla kierunku Informatyka
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe pojęcia i twierdzenia geometrii różniczkowej K_W01
CC_W02
Egzamin,
kolokwia,
zadania na
laboratoriach
33
Efekty
kształcenia
dla modułu
Opis efektów kształcenia dla kierunku Informatyka
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
UMIEJĘTNOŚCI
U01 Umie stosować podstawowe pojęcia i twierdzenia geometrii
różniczkowej w rozwiązywaniu problemów geometrycznych.
CC_U06
K_U01
Egzamin,
kolokwia,
zadania na
laboratoriach
U02 Umie stosować pakiet Mathematica do zagadnień geometrycz-
nych.
K_U01
K_U02
Egzamin,
kolokwia,
zadania na
laboratoriach
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie. CC_K01
K_K02
Opis przedmiotu
11. ZARZĄDZANIE RYZYKIEM W UBEZPIECZENIACH
Kod przedmiotu (USOS) 1120-MAMUF-NSP-0644
Nazwa przedmiotu
w polskim
Zarządzanie ryzykiem w ubezpieczeniach
Nazwa przedmiotu
w angielskim
Risk Management in Insurance
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność Matematyka w ubezpieczeniach i finansach
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Mgr. Paweł Dygas, (koordynator – dr Jerzy Wyborski)
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 3
Usytuowanie realizacji w
roku akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
Rachunek prawdopodobieństwa, Procesy stochastyczne, Ubezpieczenia na życie, Matema-
tyka finansowa 1, Statystyka dla finansów i ubezpieczeń
Limit liczby studentów Liczba grup: 1
Ćwiczenia – 30 os. /grupa
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Przedmiot „Zarządzanie Ryzykiem w Ubezpieczeniach” ma za zadanie przekazanie Studen-
tom umiejętności przekrojowego zastosowania zdobytej wiedzy z zakresu matematyki fi-
nansowej i ubezpieczeniowej w zakładzie ubezpieczeniowym. Głównym celem przedmiotu
34
jest wskazanie sposobów wykorzystania poznanych twierdzeń i technik matematycznych w
praktyce zarządzania ryzykiem. Dodatkowym celem jest nauka szerszego spojrzenia na
ryzyko, także przy pomocy metod jakościowych. Przedmiot ma też na celu spełniać rolę
edukacji aktuarialnej dostosowanej do treści egzaminu „Zarządzanie ryzykiem aktuarialnym
i inne zastosowania aktuarialne”, będącego jedną z części egzaminu aktuarialnego.
Efekty kształcenia Patrz TABELA 11.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 godzin
Ćwiczenia 25 godzin
Laboratorium 0 godzin
Projekt 5 godzin
Treści kształcenia Treść wykładu
W nawiasach wskazano punkty z tematów egzaminu aktuarialnego „Zarządzanie ryzykiem
aktuarialnym i inne zastosowania aktuarialne”, które objęte są poszczególnymi treściami
wykład – numeracja zgodna z Rozporządzeniem Ministra Finansów z dnia 28 grudnia 2016
r. w sprawie egzaminu aktuarialnego.
Procesy operacyjne firmie ubezpieczeniowej
Przykład procesu: projektowanie i rozwój i wdrożenie produktu
Idea systemu kontroli wewnętrznej
Proces zarządzania ryzykiem w firmie ubezpieczeniowej (8.1)
Cykl zarządzania ryzykiem (8.1)
Metody identyfikacji ryzyka
Definicja ryzyka
Kategorie ryzyka (8.5)
Ilościowe metody identyfikacji ryzyka
Jakościowe metody identyfikacji ryzyka
Metody pomiaru i modelowania ryzyka (8.5)
Pricing ubezpieczeń, ryzyko składki (8.5,8.6, 8.9)
Profit testing (8.3)
Rezerwowanie, ryzyko rezerw (8.5,8.6,8.10)
Modelowanie zależności
Zarządzenie kapitałem, metody alokacji kapitału (8.2)
Przykład opisu natury zjawisk, które dotyczą zjawiska ubezpieczeniowe - modele
ryzyka katastroficznego w ubezpieczeniach majątkowych (8.6)
Monitorowanie i raportowanie ryzyka
Miary ryzyka (8.2)
Kluczowe wskaźniki skuteczności (KPI) (8.2)
Mitygacja i zarządzanie ryzykiem
Techniki mitygacji i zarządzania ryzykiem (8.7)
Zarządzanie aktywami i pasywami (ALM) (8.7,8.15)
o Zastowowanie instrumentów pochodnych (8.14)
Optymalizacja inwestycji pod kątem zysku i ryzyka (8.11,8.12,8.13)
Reasekuracja (8.8)
Strategia ryzyka i definiowanie apetytu na ryzyko (8.2)
Zarządzanie wartością firmy (Value Based Management) (8.2)
Obowiązujące prawodawstwo i planowany rozwój
Ustawa o działalności ubezpieczeniowej i reasekuracyjnej
Solvency II, wprowadzenie do założeń reżimu, rozszerzenie pod kątem metod ilo-
ściowych (8.2, 8.4, 8.10)
IFRS 17, wprowadzenie do założeń nowego standardu
Tematy projektów
Taryfikacja w ubezpieczeniach majątkowych
Modelowanie ryzyka rezerwy składki w ubezpieczeniach majątkowych
Modelowanie ryzyka rezerw szkodowych w ubezpieczeniach majątkowych
Modelowanie ryzyk niefinansowych w ubezpieczaniach na życie
Modelowanie ryzyka stopy procentowej
Metody oceny Ocena wystawiona na podstawie:
Egzaminu pisemnego (maks. 100 pkt), do którego studenci są dopuszczeni po zaliczeniu
35
dwóch kolokwiów (maks. 50 pkt każde) łącznie na co najmniej 51 pkt.
Skala ocen: 51-60 punktów – trzy; 61-70 punktów – trzy i pół; 71-80 – cztery; 81-90 – czte-
ry i pół; 91-100 – pięć.
Niezbędnym czynnikiem zaliczenia przedmiotu jest realizacja projektu składająca się na-
stępujących elementów:
• Prezentacja konceptu projektu
• Implementacja projektu
• Dokumentacja projektu
Metody sprawdzania efek-
tów kształcenia
Patrz TABELA 11.
Egzamin Tak
Literatura 1. A.J. McNeil; R. Frey; P. Embrechts. Quantitative risk management. Concepts, techniques
and tools. Revised Edition. Princeton University Press, Princeton, NJ, 2015.
2. John Hull, Risk Management and Financial Institutions, Wiley, Hoboken, NJ, 2012.
3. IAA Risk Book,
http://www.actuaries.org/index.cfm?lang=EN&DSP=PUBLICATIONS&ACT=RISKBOOK
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy stu-
denta związanych z osią-
gnięciem efektów kształce-
nia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 25 h
c) obecność na projektach – 5 h
c) konsultacje – 5 h
2. praca własna studenta – 70 h; w tym
a) zapoznanie się z literaturą do projektu – 10 h
b) przygotowanie projektu i dokumentacji – 30 h
c) przygotowanie do kolokwiów – 15 h
d) przygotowanie do egzaminu – 15 h
Razem 135 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 25 h
c) obecność na projektach – 5 h
d) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS,
którą student uzyskuje w
ramach zajęć o charakterze
praktycznym
a) zapoznanie się z literaturą do projektu – 20 h
b) przygotowanie projektu i dokumentacji – 40 h
c) przygotowanie do kolokwiów – 30 h
d) przygotowanie do egzaminu – 15 h
Razem 105 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 11: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna proces zarządzania ryzykiem w zakładzie ubezpieczeń M2_W03,
MUF_W13
Egzamin, Pro-
jekt
W02 Posiada wiedzę o identyfikowaniu, pomiarze, monitorowaniu
i raportowaniu ryzyka
M2_W03,
MUF_W13 Projekt
W03 Zna metody mitygacji i zarządzania ryzykiem w zakładzie
ubezpieczeń
M2_W03,
MUF_W13
Egzamin, Pro-
jekt
UMIEJĘTNOŚCI
U01 Potrafi przekrojowo zastosować zdobytą wiedzę z zakresu ma- MUF_U04, Egzamin, Pro-
36
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
tematyki finansowej i ubezpieczeniowej w zakładzie ubezpie-
czeń.
MUF_U15,
MUF_U16
jekt
U02 Potrafi wykorzystać poznane twierdzenia i techniki matema-
tyczne w praktyce zarządzania ryzykiem.
MUF_U04,
MUF_U15,
MUF_U16
Egzamin, Pro-
jekt
U03 Potrafi szerzej spojrzeć na ryzyko, także przy pomocy metod
jakościowych.
MUF_U04,
MUF_U15,
MUF_U16
Egzamin, Pro-
jekt
KOMPETENCJE SPOŁECZNE
K01 Potrafi współpracować w ramach projektów MUF_K01 Egzamin, Pro-
jekt
K02 Potrafi przekonywać współpracowników do swoich idei
i twórczo rozwijać pomysły innych MUF_K03
Egzamin, Pro-
jekt
K03 Potrafi szukać samodzielnie inspiracji i dzielić się wiedzą
z innymi MUF_K02
Egzamin, Pro-
jekt
Opis przedmiotu
12. PRZETWARZANIE I ANALIZA DANYCH W JĘZYKU PYTHON
Kod przedmiotu (USOS) 1120-MA000-NSP-0624
Nazwa przedmiotu
w polskim
Przetwarzanie i analiza danych w języku Python
Nazwa przedmiotu
w angielskim
Python for Data Processing and Analysis
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia stu-
diów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr inż. Marek Gągolewski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny III lub I
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/ przedmio-
ty poprzedzające
Podstawy programowania strukturalnego w języku C i/lub C++
Programowanie obiektowe
Algorytmy i struktury danych
Metody numeryczne
Limit liczby studentów Liczba grup: 1 (duża – 24 osoby) – wykład i laboratoria połączone
37
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Kurs poświęcony jest wprowadzeniu do programowania w języku Python 3. Uczestni-
cy kursu mają możliwość dogłębnego poznania technik programowania w języku
Python oraz najbardziej popularnych i użytecznych pakietów z punktu widzenia prze-
twarzania i analizy danych. Nabywają też umiejętność samodzielnej implementacji
algorytmów uczenia maszynowego (np. sieci neuronowych) m.in. przy użyciu wyso-
kopoziomowych operacji na tensorach. Szczególny nacisk położony jest na omówie-
nie i ćwiczenie technik programowania i użycia narzędzi przydatnych w pracy mate-
matyka-praktyka (w szczególności na stanowisku data scientist) i w zastosowaniach
naukowo-badawczych.
Efekty kształcenia Patrz TABELA 12.
Formy zajęć i ich wymiar (se-
mestralne)
Wykład 30 h
Ćwiczenia 0 h
Laboratorium 30 h
Projekt 0 h
Treści kształcenia 7. Wprowadzenie do języka Python 3 i środowiska Jupyter/IPython
8. Podstawy programowania w języku Python. Typy skalarne.
9. Typy sekwencyjne i iterowalne, słowniki, zbiory
10. Instrukcje sterujące, funkcje
11. Podstawowe polecenia w powłoce (bash). Skrypty, moduły, pakiety
12. Programowanie obiektowe
13. Obliczenia na wektorach, macierzach i innych tensorach (NumPy oraz Thea-
no lub TensorFlow, także na GPU)
14. Ramki danych i najważniejsze operacje na nich (Pandas)
15. Wizualizacja danych (matplotlib, Seaborn)
16. Przegląd metod wnioskowania statystycznego (SciPy, statsmodels)
17. Przegląd algorytmów uczenia maszynowego w zadaniach regresji, klasyfika-
cji i analizy skupień (scikit-learn)
18. Przegląd algorytmów numerycznych (algebra macierzy, rozkłady macierzy,
optymalizacja)
19. Cython
Metody oceny Na zaliczenie składają się oceny zdobyte za rozwiązania 5-7 prac domowych.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 12.
Egzamin Nie
Literatura Gagolewski M., Bartoszuk M., Cena A., Przetwarzanie i analiza danych w języku
Python, Wydawnictwo Naukowe PWN, Warszawa, 2016
McKinney W., Python for Data Analysis. Data Wrangling with Pandas, NumPy, and
IPython, O'Reilly Media, 2012
Richert W., Coelho L.P., Building Machine Learning Systems with Python, Packt
Publishing, 2013
Lutz M., Learning Python, O'Reilly Media, 2013
Bressert E., SciPy and NumPy, O'Reilly Media, 2012
VanderPlas J., Python Data Science Handbook: Essential Tools for Working with
Data, O'Reilly, 2016
Witryna www przedmiotu http://www.gagolewski.com/teaching/padpy/
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 75 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 15 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do laboratoriów i do kolokwiów – 45 h
b) zapoznanie się z literaturą – XX h
Razem 125 h, co odpowiada 5 pkt. ECTS
38
Liczba punktów ECTS na zaję-
ciach wymagających bezpo-
średniego udziału nauczycieli
akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 15 h
Razem 75 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
a) obecność na laboratoriach – 30 h
b) przygotowanie do laboratoriów i do kolokwiów – 45 h
Razem 75 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 12: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe typy danych oraz instrukcje sterujące w języku
Python 3.
prace domo-
we
W02 Zna wysokopoziomowe operacje na wektorach, macierzach
i innych tensorach oraz ramkach danych
M2_W02,
M2_W03-
prace domo-
we
W03
Zna podstawowe klasy, metody i funkcje udostępniane przez
pakiety NumPy, SciPy, scikit-learn, Pandas, matplotlib, sea-
born, scikit-learn, statsmodels
prace domo-
we
UMIEJĘTNOŚCI
U01
Umie wykorzystać dokumentację techniczną bibliotek i innych
narzędzi programistycznych w języku angielskim do implemen-
tacji programów.
M2_U02 prace domo-
we
U02 Umie samodzielnie zaimplementować algorytmy analizy da-
nych w języku Python. M2_U01
prace domo-
we
U03 Umie wykorzystać gotowe algorytmy analizy danych dostępne
w pakietach języka Python. M2_U02
prace domo-
we
U04 Umie stosować techniki przygotowywania zbiorów danych do
ich analizy. M2_U01
prace domo-
we
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie, potrafi inspiro-
wać i organizować proces uczenia się innych osób.
SMAD_K03
MNI_K03
prace domo-
we
K02 Rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związanej z tym odpowiedzialności. M2_K01
prace domo-
we
Opis przedmiotu
13. PROGRAMOWANIE I ANALIZA DANYCH W R
Kod przedmiotu (USOS) 1120-MA000-NSP-0528
Nazwa przedmiotu
w polskim
Programowanie i analiza danych w R
Nazwa przedmiotu
w angielskim
Programming and Data Analysis in R
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
39
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr inż. Marek Gągolewski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 1 lub 3
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/ przed-
mioty poprzedzające
Podstawy programowania strukturalnego w języku C i/lub C++
Programowanie obiektowe
Algorytmy i struktury danych
Metody numeryczne
Rachunek prawdopodobieństwa i statystyka matematyczna
Limit liczby studentów Liczba grup: 1 (duża – 24 osoby) – wykład i laboratoria połączone
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Uczestnicy kursu mają możliwość poznania zaawansowanych technik programowania
w języku R oraz zrozumienia, w jaki sposób przeprowadzane są obliczenia w tym śro-
dowisku. Zdobywają umiejętność nie tylko świadomego i krytycznego wykorzystywania
dostępnych w różnych pakietach (np. z repozytorium CRAN) gotowych funkcji i metod
– m.in. znanych z dziedziny analizy danych, uczenia maszynowego itp. – ale przede
wszystkim ich samodzielnej implementacji oraz testowania. Szczególny nacisk kładzio-
ny jest na omówienie i ćwiczenie zagadnień przydatnych w pracy matematyka-praktyka
(m.in. na stanowiskach analityk danych, statistical programmer, junior data scientist)
i w zastosowaniach naukowo-badawczych. Istotną część kursu stanowi implementowa-
nie – przy użyciu najbardziej do tego odpowiednich algorytmów i struktur danych –
wybranych procedur analizy danych w języku C++, do których studenci tworzą interfejs
dla języka R za pośrednictwem pakietu Rcpp. Szeroko pojęta jakość generowanych
przez nich wyników (np. precyzja i czułość w przypadku algorytmów klasyfikacji binar-
nej) jest porównywana już w R z innymi znanymi metodami na podstawie wsadowej
analizy wielu zbiorów benchmarkowych, a wnioski z przeprowadzonych eksperymentów
przedstawiane są w postaci raportów.
Efekty kształcenia Patrz TABELA 13.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 h
Ćwiczenia 0 h
Laboratorium 30 h
Projekt 0 h
Treści kształcenia 1. Wprowadzenie. Organizacja pracy w Rstudio, pliki skryptowe .R i generowanie
dynamicznych raportów w języku znaczników Markdown przy użyciu pakietu
knitr
2. Podstawowe atomowe typy danych: wektor atomowy i NULL
3. Zwektoryzowane operacje na wektorach. Przekształcanie i filtrowanie zmien-
nych. Agregacja danych
4. Typ podstawowy lista. Funkcje
5. Atrybuty obiektów. Podstawy programowania obiektowego w stylu S3
6. Typy złożone: macierze i inne tablice, czynniki, ramki danych i operacje na
nich (filtrowanie wierszy, agregacja danych w podgrupach, sortowanie, łączenie
itd.)
7. Instrukcja sterująca i pętle. Obsługa wyjątków
8. Rcpp – implementacja algorytmów w języku C++ wraz z interfejsem
dla języka R
9. Podstawowe algorytmy i struktury danych używane podczas implementacji pro-
cedur analizy danych - przegląd
40
10. Przetwarzanie napisów, daty i czasu. Wyrażenia regularne
11. Operacje na plikach, katalogach i pobieranie danych z zasobów w internecie
(ang. web scraping)
12. Generowanie wykresów przy użyciu pakietu graphics
13. Środowiska. Nazwy, wyrażenia i wywołania. Środowiskowy model obliczeń
i niestandardowa ewaluacja
Metody dydaktyczne Wykład:
Wykład informacyjny, problemowy, studium przypadku
Laboratorium:
Warsztaty przy użyciu komputera, samodzielne rozwiązywanie zadań, burza mózgów
Metody oceny Na zaliczenie składają się oceny zdobyte za rozwiązania 5-7 prac domowych.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 13.
Egzamin Nie
Literatura Gągolewski M., Programowanie w języku R. Analiza danych, obliczenia, symulacje,
Wydawnictwo Naukowe PWN, wydanie II, 2016
Chambers J.M., Programming with Data, Springer, 1998
Chambers J.M., Software for Data Analysis. Programming with R, Springer, 2008
Murrell P., R Graphics, Chapman & Hall/CRC, 2006
Venables W.N., Ripley B.D., S Programming, Springer, 2000
Wickham H., Advanced R, Chapman & Hall/CRC, 2014
Wickham H., Grolemund G., R for Data Science, O'Reilly, 2017
Eddelbuettel, D., Seamless R and C++ integration with RCpp, Springer, 2013
Abelson H., Sussman J., Sussman G.J., Struktura i interpretacja programów komputero-
wych, WNT, Warszawa, 2002
Witryna www przedmiotu http://www.gagolewski.com/teaching/padr/
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 75 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 15 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do laboratoriów, rozwiązywanie zadań – 45 h
b) zapoznanie się z literaturą – 5 h
Razem 125 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 15 h
Razem 75 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
1. obecność na laboratoriach – 30 h
2. przygotowanie do zajęć laboratoryjnych i rozwiązywanie prac domowych – 45 h
Razem 75 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 13: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe typy danych oraz instrukcje sterujące w języku
R. prace domowe
41
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
W02 Zna wysokopoziomowe operacje na wektorach, macierzach
i ramkach danych.
M2_W02
M2_W03- prace domowe
UMIEJĘTNOŚCI
U01
Umie wykorzystać dokumentację techniczną bibliotek i innych
narzędzi programistycznych w języku angielskim do implemen-
tacji programów.
M2_U02 prace domowe
U02 Umie samodzielnie zaimplementować algorytmy analizy da-
nych w języku R oraz C++ (przy użyciu Rcpp). M2_U01 prace domowe
U03 Umie wykorzystać gotowe algorytmy analizy danych dostępne
w pakietach języka R. M2_U02 prace domowe
U04 Umie stosować techniki przygotowywania zbiorów danych do
ich analizy. M2_U01 prace domowe
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie, potrafi inspiro-
wać i organizować proces uczenia się innych osób.
SMAD_K03
MNI_K03 prace domowe
K02 Rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związanej z tym odpowiedzialności. M2_K01 prace domowe
Opis przedmiotu
14. TEORIA PUNKTU STAŁEGO
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Teoria punktu stałego
Nazwa przedmiotu
w angielskim
Fixed point theory
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Rafał Górak
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 5 (studia I stopnia), 1, 3 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/ przed-
mioty poprzedzające
analiza matematyczna
Limit liczby studentów Liczba grup: 1
42
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest przedstawienie studentom podstawowych twierdzeń z zakresu
teorii punktu stałego oraz zastosowania w różnych dziedzinach matematyki. Szcze-
gólny nacisk będzie położony na samodzielną pracę studentów.
Efekty kształcenia Patrz TABELA 14.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia Twierdzenie Banacha i jego uogólnienia, twierdzenia Browera, twierdzenie Schaude-
ra, twierdzenie Borsuka-Ulama o antypodach, twierdzenie Knastera-Kuratowskiego-
Mazurkiewicza. twierdzenie Kakutaniego, twierdzenie von Neumana. Zastosowania
powyższych twierdzeń w teorii gier, teorii fraktali, równaniach różniczkowych i ogól-
nie analizie matematycznej.
Metody oceny Ocena ostateczna będzie średnią arytmetyczną ocen z ćwiczeń i egzaminu końcowe-
go.
1. Ocena z ćwiczeń będzie wystawiona na podstawie wykonanych prac domowych.
Wybrane zadania domowe będą prezentowane przez studentów w czasie ćwiczeń.
Warunkiem zaliczenia ćwiczeń jest wykonanie co najmniej 50% zadań domowych.
Szczegółowa punktacja i zasady uzyskania ocen od 2 do 5 będzie przedstawiona na
pierwszych zajęciach. W ramach przedmiotu nie są przewidziane żadne kolokwia i
kartkówki.
2. Do egzaminu końcowego będzie można przystąpić tylko po uprzednim uzyskaniu
oceny pozytywnej z ćwiczeń (patrz punkt 1). Egzamin będzie miał formę ustną. Na
miesiąc przed rozpoczęciem sesji egzaminacyjnej przedstawiona zostanie szczegóło-
wa lista zagadnień (twierdzenia, przykłady zastosowań) wymaganych na egzaminie
ustnym.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 14.
Egzamin Tak
Literatura 1. J. Dugundij, A. Granas, Fixed Point Theory, vol. 1, PWN Warszawa, 1982
2.R. Engelking, K. Sieklucki, Wstęp do topologii, PWN 1986.
3.K. Janich, Topologia, Warszawa 1991
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe –67 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
d) obecność na egzaminie – 2 h
2. praca własna studenta – 40 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 20 h
b) zapoznanie się z literaturą – 5 h
c) przygotowanie do egzaminu – 15 h
Razem 107 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) obecność na egzaminie – 2 h
d) konsultacje – 5 h
Razem 67 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
-
43
E. Informacje dodatkowe
Uwagi -
Tabela 14: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów kształ-
cenia dla kie-
runku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Twierdzenia z zakresu teorii punktu stałego M2_W01,
ML_W19
Egzamin,
prace do-
mowe
W02 Zastosowania twierdzeń o punkcie stałym w różnych dziedzi-
nach matematyki
M2_W01,
ML_W33
Egzamin,
prace do-
mowe
UMIEJĘTNOŚCI
U01 Umiejętność identyfikacji zagadnień wymagających użycia
twierdzeń z zakresu teorii punktu stałego M2_U01
Egzamin,
prace do-
mowe
U02
Umiejętność precyzyjnego formułowania dowodów twierdzeń
matematycznych z zakresu teorii punktu stałego i jej zastoso-
wań.
ML_U12
Egzamin,
prace do-
mowe
KOMPETENCJE SPOŁECZNE
K01 Umiejętność publicznego prezentowania rozumowań i wyników
matematycznych. ML_U31
Egzamin,
prace do-
mowe
K02 Udział w publicznej dyskusji na temat związane z treścią zajęć. M2_K01
Egzamin,
prace do-
mowe
K03 Umiejętność wspólnego rozwiązywania problemów matema-
tycznych. ML_KS02
Egzamin,
prace do-
mowe
Opis przedmiotu
15. CIEMNA STRONA ANALIZY
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Ciemna strona analizy
Nazwa przedmiotu
w angielskim
Dark side of analysis
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Przemysław Górka
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
44
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Topologia, Analiza matematyczna I, Analiza matematyczna II, Analiza matematyczna
III
Limit liczby studentów Liczba grup:
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem wykładu jest zaznajomienie słuchacza z klasycznymi zagadnieniami analizy.
Efekty kształcenia Patrz TABELA 15.
Formy zajęć i ich wymiar
(semestralne)
Wykład 45
Ćwiczenia 0
Laboratorium 0
Projekt 0
Treści kształcenia Metryka Hausdorffa,
Twierdzenie Stone-Weierstrassa, zbiory gęste,
Zbiory zwarte w przestrzeniach funkcyjnych,
Twierdzenie Sarda,
Twierdzenia o punktach stałych,
Twierdzenie Banacha-Mazurkiewicza,
Elementy analizy na przestrzeniach metrycznych,
Miara i wymiar Hausdorffa,
Operator maksymalny.
Metody oceny Egzamin ustny
Metody sprawdzania efektów
kształcenia
Patrz TABELA 15
Egzamin Tak
Literatura 1. L. Ambrosio, P. Tilli, Topics on Analysis in Metric Spaces,
2. W. Rudin, Analiza rzeczywista i zespolona,
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 52 h; w tym
a) obecność na wykładach – 45
b) konsultacje – 5 h
c) obecność na egzaminie – 2 h
2. praca własna studenta – 50 h; w tym
a) zapoznanie się z literaturą – 15 h
b) przygotowanie do egzaminu – 30 h
Razem 102 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 45
b) konsultacje – 5 h
c) obecność na egzaminie – 2 h
Razem 52 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
45
Tabela 15: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna miarę i wymiar Hausdorffa. egzamin
W02 Ma wiedzę z zakresu podstaw analizy na przestrzeniach
metrycznych. egzamin
W03 Zna twierdzenie Sarda. egzamin
UMIEJĘTNOŚCI
U01 Potrafi scharakteryzować zbiory zwarte w wybranych
przestrzeniach funkcyjnych. egzamin
U02 Potrafi stosować twierdzenie Stone Weierstrassa. egzamin
U03 Potrafi posługiwać się metryką Hausdorfaa egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie. egzamin
K02 Potrafi myśleć w sposób abstrakcyjny. egzamin
K03 Potrafi przekazać zdobytą wiedzę. egzamin
Opis przedmiotu
16. SEMINARIUM METODY ANALIZY W TEORII GRAFÓW
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Seminarium Metody analizy w teorii grafów
Nazwa przedmiotu
w angielskim
Seminar in Analitycal methods in graph theory
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego stopnia i studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Przemysław Górka, dr Paweł Naroski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6 (studia I stopnia), 2,4 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Topologia, Algebra liniowa I, Algebra liniowa II, Analiza matematyczna I, Analiza
matematyczna II, Analiza matematyczna III, Matematyka Dyskretna
Limit liczby studentów Liczba grup:
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem seminarium jest zaznajomienie uczestników metodami analitycznymi w teorii
grafów.
46
Efekty kształcenia Patrz TABELA 16.
Formy zajęć i ich wymiar
(semestralne)
Wykład 0
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia Operator Laplacea na grafie,
Wartości własne operatora Laplacea,
Nierówność Cheegera,
Grafony,
Miary chromatyczne,
Zbieżność miar.
Metody oceny Ocena na podstawie wygłoszonego referatu
Metody sprawdzania efektów
kształcenia
Patrz TABELA 16.
Egzamin Nie
Literatura 1. A. Grigoryan, Analysis on graphs, Lecture Notes 2009.
2. T. Hubai, Algebraic and analytic methods in graph, PhD Thesis, 2014.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 2
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 35 h; w tym
b) obecność na ćwiczeniach – 30 h
d) konsultacje – 5 h
2. praca własna studenta – 25 h; w tym
a) przygotowanie referatu – 25 h
Razem 60 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
b) obecność na ćwiczeniach – 30 h
d) konsultacje – 5 h
Razem 30 h, co odpowiada 1 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
Tabela 16: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawy ogólnej teorii miary i funkcji mierzalnych, zna
różne rodzaje zbieżności. M1_W05 referat
W02 Ma wiedzę z zakresu teorii miary i całki Lebesgue’a. M1_W06 referat
UMIEJĘTNOŚCI
U01 Potrafi stosować pojęcia zbieżności prawie wszędzie i według
miary ciągu funkcyjnego. M1_U06 referat
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie. M1_K01 referat
K02 Potrafi współdziałać i pracować w grupie, przyjmując w niej
różne role. M1_K02 referat
K03 Potrafi przekazać zdobytą wiedzę. referat
47
Opis przedmiotu
17. GRY KOMBINATORYCZNE
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Gry Kombinatoryczne
Nazwa przedmiotu
w angielskim
Combinatorial Games
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Prof. dr hab. Jarosław Grytczuk
(projekt – Joanna Sokół, Michał Dębski, Krzysztof Węsek)
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 5 (studia I stopnia), 1, 3 (studia II stopnia)
Usytuowanie realizacji w
roku akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
matematyka dyskretna, algebra liniowa, rachunek prawdopodobieństwa
Limit liczby studentów Liczba grup: 3
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zaznajomienie słuchaczy z głównymi wynikami
kombinatorycznej teorii liczb, począwszy od klasyki (twierdzenie Schura i Van der
Waerdena), na najnowszych wynikach i problemach otwartych kończąc.
Efekty kształcenia Patrz TABELA 17.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 0
Projekt 15
Treści kształcenia 1. Gry typu „kółko i krzyżyk”.
2. Gry na hipergrafach i kombinatoryczny chaos.
3. Gry Ramseyowskie, kliki w grafach i ciągi arytmetyczne.
4. Twierdzenie Erdosa-Selfridga o potencjałach.
5. Lemat Lokalny Lovasza i jego zastosowania w informatyce.
6. Algorytmiczna wersja lematu lokalnego Lovasza.
7. Rozgrywana wersja lematu lokalnego Lovasza.
8. Gry na grafach, kolorowanie on-line, rozgrywana liczba chromatyczna.
9. Gry komunikacyjne.
10. Testowanie własności, lemat o regularności.
Metody oceny Warunkiem zaliczenia przedmiotu jest zaliczenie projektu i zdanie egzaminu
końcowego.
Metody sprawdzania
efektów kształcenia
Patrz TABELA 17.
Egzamin Tak
48
Literatura 1. J. Beck, Combinatorial Games, Tic-Tac-Toe Theory, Cambridge University
Press, 2008.
2. 2. E. Demaine, R. A. Hearn, Games, Puzzles, and Computation, A. K. Peters,
2009.
3. N. Alon, J. Spencer, The probabilistic method, 4th edition, Wiley, 2016.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy
studenta związanych z
osiągnięciem efektów
kształcenia
1. godziny kontaktowe – 55 h; w tym
a) obecność na wykładach – 30 h
b) obecność na projektach – 15 h
c) konsultacje – 10 h
2. praca własna studenta – 55 h; w tym
a) przygotowanie do projektów – 30 h
b) zapoznanie się z literaturą – 10 h
c) przygotowanie do egzaminu – 15 h
Razem 110 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na projektach – 15 h
c) konsultacje – 10 h
Razem 55 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS,
którą student uzyskuje w
ramach zajęć o charakterze
praktycznym
a) obecność na projektach – 15 h
b) przygotowanie do projektów – 30 h
Razem 45 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 17: EFEKTY KSZTAŁCENIA
Dla kierunku Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma wiedzę w zakresie algebry abstrakcyjnej, w szczególności
zna pojęcie i podstawowe własności grupy, pierścienia, ciała,
homomorfizmu. Zna podstawowe związki pierścieni i ciał
z teorią liczb.
ML-W17 Egzamin
W02 Ma wiedzę w zakresie logiki, teorii mnogości i kombinatoryki.
W szczególności: zna pojęcie i podstawowe własności zbioru,
relacji równoważności, relacji porządku, grafu, dobrze rozumie
rolę i znaczenie dowodu w matematyce.
ML_W15 Egzamin
W03 Ma ogólną wiedzę o aktualnych kierunkach rozwoju
i najnowszych odkryciach w zakresie matematyki.
M2_W03 Projekt
UMIEJĘTNOŚCI
U01 Potrafi dostrzec strukturę grupy, pierścienia, ciała, przestrzeni
wektorowej, elementarnych obiektów kombinatorycznych w
różnych dziedzinach matematyki, potrafi tworzyć nowe obiekty
drogą konstrukcji struktur ilorazowych lub produktów
kartezjańskich.
ML_U15 Egzamin
U02 Potrafi określić kierunki dalszego uczenia się oraz zrealizować
proces samokształcenia.
M2_U02 Projekt
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie ML_KS01 Egzamin,
projekt
K02 Rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związaną z tym odpowiedzialność
ML_KS01
M2_K01
Projekt
49
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Posiada pogłębioną wiedzę z matematyki w zakresie
programowania liniowego i optymalizacji liniowej i nieliniowej;
zna podstawy teorii liczb i możliwości jej wykorzystania w
kryptografii
SI_W01 Egzamin
Opis przedmiotu
18. KOMBINATORYCZNA TEORIA LICZB
Kod przedmiotu (USOS) 1120-MA000-LSP-0646
Nazwa przedmiotu
w polskim
Kombinatoryczna teoria liczb
Nazwa przedmiotu
w angielskim
Combinatorial Number Theory
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Prof. dr hab. Jarosław Grytczuk
(projekt – Joanna Sokół, Michał Dębski, Krzysztof Węsek)
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 5 (studia I stopnia), 1, 3 (studia II stopnia)
Usytuowanie realizacji w
roku akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
matematyka dyskretna, algebra liniowa, rachunek prawdopodobieństwa
Limit liczby studentów Liczba grup: 3
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zaznajomienie słuchaczy z głównymi wynikami
kombinatorycznej teorii liczb, począwszy od klasyki (twierdzenie Schura i Van der
Waerdena), na najnowszych wynikach i problemach otwartych kończąc.
Efekty kształcenia Patrz TABELA 18.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 0
Projekt 15
Treści kształcenia 1. Kolorowanie liczb naturalnych, twierdzenie Ramseya.
2. Twierdzenie Van der Waerdena o ciągach arytmetycznych.
3. Twierdzenia Szemeredi’ego, Furstenberga, Gowersa, oraz Greena-Tao.
4. Problem Samotnego Biegacza.
5. Kolorowanie grafów różnicowych, hipoteza Katznelsona-Ruzsy.
6. Tęczowe ciągi arytmetyczne i problem Grahama.
7. Niepowtarzalne kolorowanie grafów różnicowych.
8. Hipoteza Erdosa o systemach pokrywających.
50
9. Problem dyskrepancji Erdosa.
10. Pakowanie ciągów arytmetycznych i hipoteza Kakeyi
Metody oceny Warunkiem zaliczenia przedmiotu jest zaliczenie projektu i zdanie egzaminu
końcowego.
Metody sprawdzania
efektów kształcenia
Patrz TABELA 18.
Egzamin Tak
Literatura 1. B. Landmann, Ramsey theory on the Integers, AMS (2015).
2. R. Graham, B. Rotschild, J. Spencer, Ramsey Theory, Wiley (2000).
3. V. Bryant, Aspekty Kombinatoryki, WNT 2010.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy
studenta związanych z
osiągnięciem efektów
kształcenia
1. godziny kontaktowe – 55 h; w tym
a) obecność na wykładach – 30 h
b) obecność na projektach – 15 h
c) konsultacje – 10 h
2. praca własna studenta – 55 h; w tym
a) przygotowanie do projektów – 30 h
b) zapoznanie się z literaturą – 10 h
c) przygotowanie do egzaminu – 15 h
Razem 110 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na projektach – 15 h
c) konsultacje – 10 h
Razem 55 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS,
którą student uzyskuje w
ramach zajęć o charakterze
praktycznym
a) obecność na projektach – 15 h
b) przygotowanie do projektów – 30 h
Razem 45 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 18: EFEKTY KSZTAŁCENIA
Dla kierunku Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma wiedzę w zakresie algebry abstrakcyjnej, w szczególności
zna pojęcie i podstawowe własności grupy, pierścienia, ciała,
homomorfizmu. Zna podstawowe związki pierścieni i ciał
z teorią liczb.
ML_W17 Egzamin
W02 Ma wiedzę w zakresie logiki, teorii mnogości
i kombinatoryki. W szczególności: zna pojęcie i podstawowe
własności zbioru, relacji równoważności, relacji porządku,
grafu, dobrze rozumie rolę i znaczenie dowodu
w matematyce.
ML_W15 Egzamin
W03 Ma ogólną wiedzę o aktualnych kierunkach rozwoju
i najnowszych odkryciach w zakresie matematyki.
M2_W03 Projekt
UMIEJĘTNOŚCI
U01 Potrafi dostrzec strukturę grupy, pierścienia, ciała, przestrzeni
wektorowej, elementarnych obiektów kombinatorycznych w
różnych dziedzinach matematyki, potrafi tworzyć nowe
obiekty drogą konstrukcji struktur ilorazowych lub produktów
kartezjańskich.
ML_U15 Egzamin
U02 Potrafi określić kierunki dalszego uczenia się oraz
zrealizować proces samokształcenia.
M2_U02 Projekt
51
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie ML_KS01 Egzamin,
projekt
K02 Rozumie społeczne aspekty praktycznego stosowania
zdobytej wiedzy i umiejętności oraz związaną z tym
odpowiedzialność
ML_KS01
M2_K01
Projekt
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Posiada pogłębioną wiedzę z matematyki w zakresie
programowania liniowego i optymalizacji liniowej i
nieliniowej; zna podstawy teorii liczb i możliwości jej
wykorzystania w kryptografii
SI_W01 Egzamin
Opis przedmiotu
19. BAZY DANYCH
Kod przedmiotu (USOS) 1120-MASMA-NSP-0509
Nazwa przedmiotu
w polskim
Bazy Danych
Nazwa przedmiotu
w angielskim
Databases
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr hab. Maciej Grzenda
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 1 lub 3
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
brak
Limit liczby studentów Liczba grup: maksymalnie 3 grupy laboratoryjne
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest przekazanie wiedzy na temat teorii i praktycznych zastosowań
baz danych. Po ukończeniu kursu studenci powinni:
posiadać wiedzę wystarczającą do zaprojektowania struktury bazy danych, w
tym wykonania procesu normalizacji bazy danych,
52
znać i prawidłowo stosować mechanizmy wymuszania spójności danych, takie
jak mechanizmy zapewniania spójności referencyjnej, czy też unikalności war-
tości klucza,
posługiwać się językiem SQL w celu selekcji danych i modyfikacji zawartości
bazy danych,
rozumieć i umieć zastosować przetwarzanie transakcyjne,
wykorzystywać zaawansowane mechanizmy systemów zarządzania bazą danych
takie, jak procedury składowane,
rozumieć sposoby zapewniania wydajności, w tym indeksy, wykorzystanie sta-
tystyk i planów realizacji procedur oraz umieć zastosować metody monitorowa-
nia wydajności.
Efekty kształcenia Patrz TABELA 19.
Formy zajęć i ich wymiar
(semestralne)
Wykład 15
Ćwiczenia 0
Laboratorium 30
Projekt 0
Treści kształcenia 1. Bazy danych - definicja. Systemy zarządzania bazą danych (DBMS).
2. Relacyjne bazy danych. Normalizacja i problem redundancji danych.
3. Zapewnianie spójności danych – spójność referencyjna, unikalność wartości
klucza głównego, wymuszanie poprawności logicznej.
4. Język SQL – wydobywanie informacji z bazy danych.
5. Język SQL - modyfikacja zawartości bazy danych.
6. Projektowanie baz danych.
7. Przetwarzanie transakcyjne, izolacja transakcji, transakcje rozproszone. Reali-
zacja równoległego przetwarzania transakcji – problem blokad i zarządzania
wersjami.
8. Programowanie serwerów baz danych – procedury składowane, widoki.
9. Zapewnianie wydajności – indeksy, wykorzystanie statystyk i planów realizacji
procedur, metody monitorowania wydajności.
10. Diagramy związków encji (entity-relationship).
11. Wybrane zagadnienia tworzenia hurtowni danych i systemów Business Intelli-
gence.
12. Big Data – idea i nowe rozwiązania w obszarze składowania i przetwarzania da-
nych.
13. Platformy NoSQL. Apache HBase jako przykład platformy NoSQL.
Metody oceny Kolokwia realizowane w trakcie zajęć laboratoryjnych.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 19.
Egzamin Nie
Literatura 1. P. Beynon-Davies, Systemy baz danych, WNT, 2003
2. T.Kyte, Expert Oracle Database Architecture, Apress, 2005
3. R. Elmasri, S. B. Navathe, Fundamentals of Database Systems, Addison-
Wesley, 2004
4. R. Kimball, M. Ross, The Data Warehouse Toolkit, Wiley, 3rd Ed., 2013
5. C. Howson, Successful Business Intelligence. Unlock the Value of BI and Big
Data, McGraw Hill, 2014
Witryna www przedmiotu http://www.mini.pw.edu.pl/~grzendam/pl/dydaktyka.html
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 50 h; w tym
a) obecność na wykładach – 15 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 70 h; w tym
a) przygotowanie do laboratoriów i do kolokwiów – 50 h
53
b) zapoznanie się z literaturą – 20 h
Razem 120 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 15 h
b) obecność na laboratoriach – 30 h
Razem 45 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 30 h
b) przygotowanie do laboratoriów i do kolokwiów – 50 h
Razem 80 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 19: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
UMIEJĘTNOŚCI
U01
Potrafi wykorzystać dokumentację systemu zarządzania bazą
danych do poszerzania wiedzy na temat konstrukcji zapytań
SQL
M2_U02 kolokwium
KOMPETENCJE SPOŁECZNE
K01
Rozumie wpływ podejmowanych decyzji związanych z
projektowaniem modelu danych na spełnienie potrzeb
użytkowników systemu baz danych.
M2_K01 kolokwium
K02
Potrafi zaprojektować model danych zapewniający kompromis
uwzględniający uwarunkowania techniczne i funkcjonalne
systemu.
SMAD_K02 kolokwium
Opis przedmiotu
20. NARZĘDZIA SAS
Kod przedmiotu (USOS) 1120-MA000-NSP-0526
Nazwa przedmiotu
w polskim
Narzędzia SAS
Nazwa przedmiotu
w angielskim
SAS Tools
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Bartosz Jabłoński
Laboratoria: mgr inż. Maciej Bartoszuk
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
54
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 2 lub 4
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Przetwarzanie i analiza danych w systemie SAS
Limit liczby studentów Liczba grup: 2
Laboratoria – 24 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z zaawansowanymi narzędziami SAS,
służącymi analizie danych. W szczególności poruszona zostanie tematyka
zaawansowanych technik programistycznych w SAS Base, a także przegląd
wybranych modułów SAS-a, służących generowaniu raportów, tworzeniu modeli i
ogólnemu przetwarzaniu danych.
Efekty kształcenia Patrz TABELA 20.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 30
Projekt 0
Treści kształcenia I Programowanie w SAS Base:
1. Efektywne wykorzystywanie makr, makrozmiennych i plików (filename
statement) w automatyzacji przetwarzania danych.
2. Efektywne wykorzystywanie zasobów przy przetwarzaniu danych: metody
ograniczenia zużycia pamięci, metody zwiększenia szybkości przetwarzania
3. Indeksy - tworzenie i usuwanie; wykorzystanie: instrukcja WHERE,
instrukcja BY, opcja KEY
4. Integrity constraints – budowa i walidacja modelu danych.
5. Procedura FCMP - tworzenie własnych funkcji i call routines użytkownika;
wykorzystanie tablic; komunikacja z makrami
6. Hashowanie jak metoda przeszukiwania tablic w pamięci; tworzenie i
wykorzystanie obiektów HASH i HITER
7. Raportowanie: przegląd procedur raportujących (m.in. TABULATE,
REPORT, SGPLOT); eksport do za pomocą instrukcji ODS (Output
Delivery System)
8. Procedura DS2 - wprowadzenie do programowania w języku DS2
II Przegląd dodatkowych modułów SAS-a:
1. SAS Enterprise Guide - tworzenie projektów; wykorzystanie interfejsu SAS
EG do przetwarzania danych i generowania raportów; tworzenie zadań
wymagających interakcji z użytkownikiem
2. Praca z różnymi interface’ami SAS, praca w środowisku klient-serwer
3. Zrównoleglanie przetwarzania z użyciem modułu CONNECT.
Metody oceny Kolokwium, w ciągu semestru 10 zadań rozwiązywanych w trakcie laboratoriów,
projekt zespołowy. Za całość przedmiotu można zdobyć razem 100 punktów, w tym:
- 20 punktów za zadania
- 30 punktów za kolokwium
- 45 punktów za projekt
- 5 punktów za aktywność na zajęciach
Ocena będzie wystawiana zgodnie z następującym przelicznikiem:
[0-50) p. – 2.0
[50-60) p. – 3.0
[60-70) p. – 3.5
[70-80) p. – 4.0
[80-90) p. – 4.5
[90-100] p. – 5.0
55
Metody sprawdzania efektów
kształcenia
Patrz TABELA 20.
Egzamin Nie
Literatura 1. Materiały szkoleniowe SAS: www.sas.com
2. Dokumentacja SAS-a: http://support.sas.com/documentation/
Witryna www przedmiotu http://www.mini.pw.edu.pl/~bjablons/
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 40 h; w tym
a) przygotowanie do laboratoriów i do kolokwiów – 20 h
b) wykonanie projektu – 25 h
c) zapoznanie się z literaturą – 10 h
Razem 120 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 30 h
b) przygotowanie do laboratoriów i do kolokwiów – 20 h
c) wykonanie projektu – 25 h
Razem 75 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 20: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma pogłębioną wiedzę dotyczącą modeli analitycznych,
probabilistycznych, algebraicznych. M2_W01
Kolokwium,
projekt,
zadania
laboratoryjne
W02 Ma podstawową wiedzę dotyczącą uwarunkować badawczych
w zakresie modelowania matematycznego. M2_W02
Kolokwium,
projekt,
zadania
laboratoryjne
UMIEJĘTNOŚCI
U01 Potrafi określić kierunki dalszego uczenia się oraz zrealizować
proces samokształcenia. M2_U02
Kolokwium,
projekt,
zadania
laboratoryjne
U02
Swobodnie posługuje się pakietami obliczeniowymi i
programami do obróbki i analizy danych w zagadnieniach
ubezpieczeniowych i finansowych.
MUF_U04
Kolokwium,
projekt,
zadania
laboratoryjne
KOMPETENCJE SPOŁECZNE
K01 Zna społeczne aspekty praktycznego stosowania narzędzi SAS i
związanej z tym odpowiedzialności. M2_K01
Kolokwium,
projekt,
zadania
laboratoryjne
56
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
K03 Rozumie potrzebę uczenia się przez całe życie, potrafi
inspirować i organizować proces uczenia się innych osób. SMAD_K03
Kolokwium,
projekt,
zadania
laboratoryjne
Opis przedmiotu
21. WYBRANE ZAAWANSOWANE ZAGADNIENIA UCZENIA MASZYNOWEGO
Kod przedmiotu (USOS) 1120-MASMA-NSP-0541
Nazwa przedmiotu
w polskim
Wybrane zaawansowane zagadnienia uczenia maszynowego
Nazwa przedmiotu
w angielskim
Selected Advanced Topics in Machine Learning
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr hab. inż. Szymon Jaroszewicz
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Data Mining
Limit liczby studentów Liczba grup: 1
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z nowymi metodami uczenia
maszynowego takimi jak metoda stochastycznego spadku gradientu, sieci bayesowskie
czy ‘głębokie’ uczenie. Metody te umożliwiają względnie łatwe rozwiązywanie
szeregu praktycznych problemów takich jak modelowanie z użyciem bardzo dużych
zbiorów danych czy praca z danymi tekstowymi.
Efekty kształcenia Patrz TABELA 21.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 30
Projekt 0
57
Treści kształcenia Program przedmiotu:
1. Funkcje straty i ryzyka.
2. Modelowanie z użyciem dużych zbiorów danych: metody stochastycznego spadku
gradientu.
3. Modele graficzne. Sieci bayesowskie. D-separacja. Dokładne wnioskowanie w
sieciach bayesowskich.
4. Sieci bayesowskie: wnioskowanie przybliżone. Metody Markov Chain Monte
Carlo.
5. Statystyka bayesowska
6. Zastosowanie: modelowanie tekstów
7. Filtracja bayesowska. Filtry cząsteczkowe.
8. Uczenie na danych o bogatej strukturze, multitask learning.
9. 'głębokie' uczenie: wielowarstwowe sieci neuronowe.
Metody oceny 50% – zadania wykonywane w czasie laboratoriów, 50% – egzamin
Metody sprawdzania efektów
kształcenia
Patrz TABELA 21.
Egzamin Tak
Literatura 1. D. MacKay – Information Theory, Inference, and Learning Algorithms, Cambridge
University Press, 2003.
2. Artykuły naukowe związane z tematem
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 60 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do laboratoriów – 25 h
b) zapoznanie się z literaturą – 10 h
c) przygotowanie do egzaminu – 15 h
Razem 110 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
Razem 60 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 30 h
b) przygotowanie do laboratoriów – 25 h
Razem 55 h, co odpowiada 2 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 21: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01
Zna metody budowy modeli statystycznych na bardzo dużych
danych oparte o metodę stochastycznego spadku gradientu. Zna
różne funkcje straty i metody regularyzacji pozwalające uzyskać
modele o żądanych właściwościach
SMAD_W12,
SMAD_W13
Egzamin,
zadania na
laboratorium
W02
Zna graficzne modele probabilistyczne: sieci bayesowskie i
sieci Markova. Umie zastosować metody Markov Chain Monte
Carlo do wnioskowania w tych modelach.
SMAD_W03,
SMAD_W04
Egzamin,
zadania na
laboratorium
UMIEJĘTNOŚCI
U01 Umie posługiwać się metodologią bayesowską w praktyce. SMAD_U03, Egzamin,
58
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
Umie stworzyć graficzny model probabilistyczny dla danego
problemu i zastosować metody Markov Chain Monte Carlo do
jego rozwiązania.
SMAD_U04 zadania na
laboratorium
U02
Potrafi dobrać odpowiednią funkcję straty oraz wyraz
regularyzacyjny aby uzyskać model statystyczny o żądanych
własnościach, np. model hierarchiczny, wielozadaniowy
(multitask learning) itp. Potrafi użyć metod stochastycznego
spadku gradientu do znalezienia współczynników modelu na
bardzo dużych danych.
SMAD_U06,
SMAD_U08,
SMAD_U13
Egzamin,
zadania na
laboratorium
KOMPETENCJE SPOŁECZNE
K01 Rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związanej z tym odpowiedzialności. M2_K01
Egzamin,
zadania na
laboratorium
Opis przedmiotu:
22. WYBRANE ZAGADNIENIA TOPOLOGII GEOMETRYCZNEJ
Kod przedmiotu (USOS) 1120-MA000-LSP-0544
Nazwa przedmiotu
w polskim
Wybrane zagadnienia topologii geometrycznej
Nazwa przedmiotu
w angielskim
Selected Topics on Geometric Topology
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr hab. Danuta Kołodziejczyk, prof. PW
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6 (studia I stopnia), 2, 4 (studia II stopnia)
Usytuowanie realizacji w
roku akademickim
letni
Wymagania wstępne/
przedmioty poprzedzające
Topologia, Algebra liniowa I
Limit liczby studentów Liczba grup: 1
Ćwiczenia – 30 os. /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z wybranymi klasycznymi
zagadnieniami i pojęciami Topologii Geometrycznej oraz jej wybranymi
technikami.
Efekty kształcenia Patrz TABELA 22.
59
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia Program przedmiotu:
1. Kompleksy symplicjalne i komórkowe (CW-kompleksy), wielościany.
2. Homotopia i homotopijna równoważność.
3. Grupa podstawowa.
4. Rozmaitości i hipoteza Poincarego (informacyjnie).
5. Elementy kombinatorycznej teorii grup i jej zastosowania w topologii.
6. Twierdzenie Borsuka-Ulama o Antypodach i twierdzenia równoważne (np.
Twierdzenie Lusternika-Schnirelmana) z zastosowaniami (jak np. Twierdzenie
o Kanapkach).
7. Słynny Problem Borsuka o Podziale.
8. Retrakty, uogólnienia kostek czyli ARy i wielościanów, czyli ANRy.
9. Kombinatoryczny Lemat Spernera i Twierdzenie Brouwera o punkcie stałym
oraz twierdzenia równoważne z zastosowaniami.
10. Symplicjalne grupy homologii.)*
)* Szczegółowy program będzie uwzględniał zainteresowania słuchaczy.
Metody oceny Ocena będzie ustalona na podstawie aktywności na ćwiczeniach (w tym referatu)
oraz egzaminu w formie testu i ustnej rozmowy.
Metody sprawdzania
efektów kształcenia
Patrz TABELA 22.
Egzamin Tak
Literatura 1. A. Hatcher, Algebraic Topology, 2001 (oficjalnie dostępna w Internecie w wersji
pdf). )**
2. Mioduszewski, Topologia Geometryczna )**
3. J. Matousek, Using the Borsuk-Ulam Theorem, Lectures on Topological Methods
in Combinatorics and Geometry, Springer, 2008. )**
)** wybrane fragmenty
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy
studenta związanych z
osiągnięciem efektów
kształcenia
1. godziny kontaktowe – 68 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h.
d) obecność na egzaminie – 3 h
2. praca własna studenta – 60 h; w tym
a) przygotowanie do ćwiczeń wraz z przygotowaniem referatu – 30 h
b) zapoznanie się z literaturą – 5 h
c) przygotowanie do egzaminu końcowego – 25 h.
Razem 128 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
1. godziny kontaktowe – 68 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
d) obecność na egzaminie – 3 h
Razem 68 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS,
którą student uzyskuje w
ramach zajęć o charakterze
praktycznym
0
E. Informacje dodatkowe
Uwagi -
60
Tabela 22: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie
do efektów
kształcenia
dla kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna pojęcia sympleksu, kompleksu symplicjalnego, CW-
kompleksu, retraktu, ANRu, ARu
Egzamin
testowy
i ustny
W02 Zna pojęcia homotopii i typu homotopijnego przestrzeni
Egzamin
testowy
i ustny
W03 Zna pojęcia grupy podstawowej i symplicjalnych grup homo-
logii oraz przykłady ich zastosowania
Egzamin
testowy
i ustny
W04 Zna Twierdzenie Borsuka-Ulama o Antypodach oraz Twier-
dzenie Brouwera i twierdzenia równoważne
Egzamin
testowy
i ustny
UMIEJĘTNOŚCI
U01 Potrafi znaleźć grupę podstawową i grupy symplicjalne homo-
logii prostych przestrzeni
Egzamin
testowy,
zadania
domowe
U02 Potrafi rozróżnić typy homotopii prostych przestrzeni
Egzamin
testowy,
zadania
domowe
U03 Potrafi zastosować nabytą wiedzę do rozwiązywania prostych
problemów
Egzamin
testowy,
zadania
domowe
U04 Posiada umiejętność przygotowywania wystąpień ustnych na
podstawie dostępnej literatury
Referaty na
ćwiczeniach
KOMPETENCJE SPOŁECZNE
K01 Potrafi dobrze określić priorytety służące realizacji określonego
przez siebie lub innych zadania
Egzamin
i obserwacja
pracy podczas
semestru
K02 Rozumie potrzebę podnoszenia kompetencji zawodowych
i osobistych
Egzamin i
obserwacja
pracy podczas
semestru
Opis przedmiotu
23. ANALIZA FUNKCJONALNA 2
Kod przedmiotu (USOS) 1120-MA000-LSP-0506
Nazwa przedmiotu
w polskim
Analiza funkcjonalna 2
Nazwa przedmiotu
w angielskim
Functional Analysis 2
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
61
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Adam Kubica
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 6 (studia I stopnia), 2, 4 (studia II stopnia)
Usytuowanie realizacji w
roku akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Analiza Matematyczna 1-3, Analiza Funkcjonalna
Limit liczby studentów Liczba grup:
Ćwiczenia – 30 os. /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Przedstawienie klasycznych wyników Analizy funkcjonalnej
Efekty kształcenia Patrz TABELA 23.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia 1) Całka Bochnera
2) Algebry Banacha
3) Teoria spektralna operatorów normalnych
4) Operatory nieograniczone
Metody oceny Egzamin
Metody sprawdzania
efektów kształcenia
Patrz TABELA 23.
Egzamin Tak
Literatura 1. Analiza Funkcjonalna, W. Rudin
2. Theorem and problems in fuctional analysis, A. Kirillov, A. Gvishiani
3. Functional Analysis, K. Yoshida
Witryna www przedmiotu https://www.mini.pw.edu.pl/~akubica/www/?Dydaktyka:Zaj%EAcia:Analiza_Funkcjo
nalna_2
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy
studenta związanych z
osiągnięciem efektów
kształcenia
1. godziny kontaktowe – 68 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5h
d) obecność na egzaminie – 3 h
2. praca własna studenta – 60 h; w tym
a) przygotowanie do ćwiczeń i wykonywanie prac domowych – 20 h
b) zapoznanie się z literaturą – 20 h
c) przygotowanie do egzaminu – 20 h
Razem 128 h, co odpowiada 5 pkt. ECTS
62
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
d) obecność na egzaminie – 3 h
Razem 68 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS,
którą student uzyskuje w
ramach zajęć o charakterze
praktycznym
0
E. Informacje dodatkowe
Uwagi -
Tabela 23: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Rozumie treść twierdzenia spektralnego ML_W01,
M2_W01 Egzamin
UMIEJĘTNOŚCI
U01 Potrafi zastosować twierdzenie spektralne w konkretnych
zagadnieniach Egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę i istotę zdobywania wiedzy i umie
organizować jej zdobywanie. Egzamin
Opis przedmiotu
24. PRACOWNIA PROJEKTOWA
Kod przedmiotu (USOS) 1120-MA000-NSP-0648
Nazwa przedmiotu
w polskim
Pracownia Projektowa
Nazwa przedmiotu
w angielskim
Project Workshop
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Marcin Luckner
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 6 (studia I stopnia), 2, 4 (studia II stopna)
Usytuowanie realizacji w roku Semestr letni
63
akademickim
Wymagania wstępne/
przedmioty poprzedzające
-
Limit liczby studentów Liczba grup: 2
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest nauczenie studentów zastosowania umiejętności z matematyki
i informatyki do rozwiązywania problemów pochodzących z biznesu lub związanych
z zapotrzebowaniem społecznym.
Efekty kształcenia Patrz TABELA 24.
Formy zajęć i ich wymiar
(semestralne)
Wykład 0
Ćwiczenia 0
Laboratorium 0
Projekt 45h
Treści kształcenia Po ukończeniu kursu studenci powinni:
posiadać wiedzę wystarczającą do tworzenia aplikacji/analiz w zespole;
mieć doświadczenie we współpracy z przemysłem lub organizacjami
społecznymi;
umieć – w ramach zespołu - dokonać podziału zadań na poszczególne osoby;
umieć stworzyć harmonogram realizacji pracy;
umieć napisać i przetestować stworzone przez siebie rozwiązanie;
Metody oceny Studenci wykonują pracę praktyczną analizę lub aplikację oraz przygotowują raport z
jej wykonania. Zarówno praca jak i raport podlegają ocenie prowadzącego przedmiot
i zleceniodawcy, czyli instytucji, która przedstawiła problem. Dodatkowo studenci
samodzielnie dokonują oceny pracy poszczególnych członków zespołu.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 24.
Egzamin Nie
Literatura 1. Design thinking dla przedsiębiorców i małych firm. Potęga myślenia projektowego
w codziennej pracy, Beverly Rudkin Ingle, Wydawnictwo Helion 2015
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 45 h; w tym
a) obecność na zajęciach projektowych– 45 h
2. praca własna studenta – 60 h; w tym
a) napisanie aplikacji lub stworzenie analizy danych i jej testowanie (poza
laboratorium) – 45 h
b) przygotowanie dokumentacji – raportu (jest ona udokumentowaniem realizacji
projektu) – 15 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na zajęciach projektowych– 45 h
Razem 45 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na zajęciach projektowych– 45 h
b) napisanie aplikacji lub stworzenie analizy danych i jej testowanie (poza
laboratorium) – 45 h
Razem 90 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
64
Tabela 24: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe metody, techniki i narzędzia stosowane
w analizie danych
ML_W30,
ML_W33, raport
W02 Zna podstawy prowadzenia projektów w danej metodyce np.
w Design Thinking ML_W35 raport
UMIEJĘTNOŚCI
U01 Ma umiejętność projektowania prostych analiz danych ML_U24 raport
U02
Potrafi - zgodnie z zadaną specyfikacją - zaprojektować oraz
zrealizować prostą analizę danych, używając właściwych
metod, technik i narzędzi
ML_U27 raport
U03 Potrafi wykonać analizę i ocenę działania prostych metod
analizy danych ML_U23 raport
KOMPETENCJE SPOŁECZNE
K01
Potrafi pracować w zespole, w tym także potrafi zarządzać
swoim czasem oraz podejmować zobowiązania i dotrzymywać
terminów
ML_KS02
Praca na
zajęciach
/raport
Opis przedmiotu
25. PRZETWARZANIE I ANALIZA DANYCH W SYSTEMIE SAS
Kod przedmiotu (USOS) 1120-MA000-NSP-0531
Nazwa przedmiotu
w polskim
Przetwarzanie i analiza danych w systemie SAS
Nazwa przedmiotu
w angielskim
Data management and analysis in the SAS System
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Wojciech Matysiak
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 1,3
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
brak
Limit liczby studentów Liczba grup: 3
Laboratoria – 15 osób /grupa
65
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Zapoznanie studentów z Systemem SAS. Nauczenie sprawnego i efektywnego
programowania w języku 4GL z wykorzystaniem makr, języka SQL i języka IML.
Nauczenie wykorzystania programowania w Systemie SAS do przetwarzania i
analizy danych.
Efekty kształcenia Patrz TABELA 25
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 30
Projekt 0
Treści kształcenia 1.11. Podstawowe informacje o systemie SAS; charakterystyka najważniejszych
modułów.
2.Bazy danych w systemie SAS, biblioteki i zbiory, katalogi i obiekty katalogowe.
3.4GL:
kroki DATA i PROC w programach sasowych,
pętla główna,
zmienne i ich atrybuty,
wyrażenia i operatory języka,
struktury sterujące.
4.SQL.
5.Wejście i wyjście w systemie SAS:
1. odczyt i zapis zbiorów SASowych,
2. odczyt i zapis plików tekstowych.
6.Przetwarzanie zbiorów danych:
1. sortowanie i indeksowanie,
2. przetwarzanie w grupach,
3. transpozycja,
4. łączenie.
7.Formaty i informaty; procedura FORMAT.
8.Procedury statystycznej analizy danych w systemie SAS.
9.Makroprogramowanie.
10.IML.
11.Grafika w systemie SAS.
12.Specyfika przetwarzania wielkich zbiorów danych.
Metody oceny Aby zaliczyć przedmiot, należy zdobyć w ciągu semestru ściśle więcej niż 50
punktów ze 100 możliwych do uzyskania. Można to zrobić poprzez:
● systematyczne wykonywanie zadań laboratoryjnych,
● pisanie kartkówek,
● pisanie kolokwiów,
● aktywne uczestnictwo w zajęciach.
Zadania laboratoryjne, których treści będą wręczane na początku każdych zajęć,
należy wykonywać i rozwiązania terminowo przesyłać prowadzącym. W trakcie
(prawie) każdych zajęć prowadzący będą rozmawiać kilkoma uprzednio wybranymi
osobami na temat przesłanych rozwiązań i oceniali je. Za rozwiązania zadań
laboratoryjnych można uzyskać w sumie 15 punktów. Przesłanie jako swoich
wyników cudzej pracy karane będzie obniżeniem oceny końcowej o pół stopnia.
Osoby, które nie przesłały rozwiązań oraz osoby wybrane do rozmowy i nieobecne na
danych zajęciach, otrzymują zero punktów bez możliwości odzyskania ich w innym
terminie.
Na początku (prawie) każdych zajęć odbywać się będą krótkie kartkówki, tzw.
wejściówki (bez użycia komputera i notatek), których celem jest sprawdzenie
wiadomości wyniesionych z poprzedniego wykładu. Za kartkówki można uzyskać w
sumie 20 punktów. Osoby nieobecne lub spóźniające się na zajęcia nie mają
możliwości pisania kartkówki w innym terminie.
W semestrze odbędą się dwa kolokwia (polegające na rozwiązywaniu zadań przy
komputerze, bez notatek, z możliwością korzystania z dokumentacji SASOnlineDoc),
na 7 i 15 zajęciach. Zadania na kolokwiach będą w dużym stopniu oparte na
66
zadaniach laboratoryjnych (może się zdarzyć, że będą to zadania laboratoryjne ze
zmienionymi danymi wejściowymi). Każde kolokwium będzie obejmowało materiał
od początku semestru do poprzedzających je zajęć włącznie. Za pierwsze kolokwium
można będzie uzyskać 20, a za drugie 40 punktów, zatem za kolokwia można
uzyskać w sumie 60 punktów.
Przewidziana jest pula 5 punktów do rozdysponowania przez prowadzących dla osób
szczególnie aktywnie uczestniczących w zajęciach.
Końcowe oceny będą wystawiane według następującej tabeli:
Przedział punktowy Ocena
[95,100] 5.0
[85,95) 4.5
[75,85) 4.0
[65,75) 3.5
(50,65) 3.0
[0,50] 2.0
Metody sprawdzania efektów
kształcenia
Patrz TABELA 25.
Egzamin Nie
Literatura 1. Z. Dec: Wprowadzenie do systemu SAS. Edition 2000 (1997).
Witryna www przedmiotu www.mini.pw.edu.pl/~matysiak
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b obecność na laboratoriach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 70 h; w tym
a) przygotowanie do kartkówek sprawdzających wiedzę z wykładu – 10 h
b) rozwiązywanie prac domowych i przygotowanie do laboratoriów – 60 h
Razem 135 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 30 h
c) konsultacje –5h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 30 h
b) rozwiązywanie prac domowych i przygotowanie do laboratoriów – 60 h
Razem 90 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 25: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma pogłębioną wiedzę dotyczącą modeli analitycznych,
probabilistycznych, algebraicznych. M2_W01
Kolokwia,
prace
domowe
W02 Ma podstawową wiedzę dotyczącą uwarunkować badawczych
w zakresie modelowania matematycznego. M2_W02
Kolokwia,
prace
domowe
UMIEJĘTNOŚCI
U01 Potrafi określić kierunki dalszego uczenia się oraz zrealizować M2_U02 Prace
67
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
proces samokształcenia domowe,
wejściówki
U02
Swobodnie posługuje się pakietami obliczeniowymi
i programami do obróbki i analizy danych w zagadnieniach
ubezpieczeniowych i finansowych.
MUF_U04
Kolokwia,
prace
domowe,
wejściówki
KOMPETENCJE SPOŁECZNE
K01 Potrafi współdziałać i pracować w zespole przyjmując w nim
różne role. SMAD_K01
Prace
domowe
K02 Umie negocjować i dochodzić do kompromisu w kwestiach
związanych z realizacją i prowadzeniem projektu. SMAD_K02
Prace
domowe
K03 Rozumie potrzebę uczenia się przez całe życie, potrafi
inspirować i organizować proces uczenia się innych osób. SMAD_K03
Kolokwia,
prace
domowe
Opis przedmiotu
26. MATEMATYKA DYSKRETNA 2
Kod przedmiotu (USOS) 1120-MA000-LSP-0524
Nazwa przedmiotu
w polskim
Matematyka dyskretna 2
Nazwa przedmiotu
w angielskim
Discrete Mathematics 2
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Paweł Naroski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny Semestr 4, 6 (studia I stopnia), semestr 2, 4 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Matematyka Dyskretna, Elementy Logiki i Teorii Mnogości
Limit liczby studentów Liczba grup: 4
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zaprezentowanie szerokiego spektrum klasycznych wyników
kombinatorycznych oraz współczesnych trendów w tej dziedzinie matematyki i
informatyki teoretycznej.
68
Efekty kształcenia Patrz TABELA 26.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia Kombinatoryka zbiorów uporządkowanych (twierdzenie Dilwortha). Teoria wyboru
społecznego (twierdzenie Arrowa). Matroidy (algorytmy zachłanne, twierdzenie Ed-
mondsa). Grafy skierowane (turnieje, Twierdzenie Eulera, Twierdzenie Diraca. ciągi
de Bruijna). Twierdzenie Tutte’a o 1-faktorze. Twierdzenie Bondyego-Chvátala. Le-
mat Burnside'a, Twierdzenie Pólyi. Metody probabilistyczne w kombinatoryce. Kon-
figuracje kombinatoryczne. Geometrie skończone. Elementy ekstremalnej teorii zbio-
rów (Twierdzenie Turána, Twierdzenie Spernera. Twierdzenie Erdősa-Ko-Rado).
Metody oceny Obecność na ćwiczeniach jest obowiązkowa. Na każdych ćwiczeniach opublikowana
zostanie lista zadań dotyczących materiału omawianego na ostatnim wykładzie. Za
każde rozwiązane na zajęciach zadanie student otrzyma od jednego do sześciu punk-
tów w zależności od jego trudności. Nierozwiązane w czasie ćwiczeń zadania stają się
pracą domową wartą połowę nominalnej liczby punktów. Punkty te otrzyma pierwsza
osoba, która przyśle poprawne rozwiązanie drogą mailową. Oceny wystawione zosta-
ną wg skali: bardzo dobry – co najmniej 36p., ponad dobry – 32-35p, dobry – 28-31p.,
dość dobry – 24-27p., dostateczny – 20-23p. Studenci, którzy nie zaliczą przedmiotu
w powyższym trybie będą mieli prawo do kolokwium poprawkowego, na którym
jedyną możliwą oceną pozytywną będzie ocena dostateczna, do której otrzymania
potrzebne będzie rozwiązanie dwóch z czterech zadań
Metody sprawdzania efektów
kształcenia
Patrz TABELA 26.
Egzamin Nie
Literatura W. Lipski, Kombinatoryka dla programistów, Warszawa, WNT 1989.
R. J. Wilson, Wstęp do teorii grafów, PWN, Warszawa 1998.
V. Bryant, Aspekty kombinatoryki, WNT, Warszawa 1997.
Z. Palka, A. Ruciński, Wykłady z Kombinatoryki, cz. 1, WNT, Warszawa 1998.
W. Lipski, W. Marek, Analiza kombinatoryczna, PWN, Warszawa 1986.
R. Diestel, Graph Theory, Springer-Verlag, 2008
Witryna www przedmiotu https://www.mini.pw.edu.pl/~pnaroski/www/?Dydaktyka
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 45 h; w tym
a) przygotowanie do ćwiczeń – 10 h
b) przygotowanie prac domowych – 30 h
c) zapoznanie się z literaturą – 5 h
Razem 110 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
69
Tabela 26: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma wiedzę w zakresie logiki, teorii mnogości i kombinatoryki.
W szczególności: zna pojęcie i podstawowe własności zbioru,
relacji równoważności, relacji porządku, grafu, dobrze rozumie
rolę i znaczenie dowodu w matematyce.
ML_W15 Zadania na
ćwiczeniach,
praca
domowa
W02 Ma wiedzę w zakresie podstaw algorytmiki, w szczególności zna:
- podstawowe struktury danych (m.in. kolejki, stosy, listy,
drzewa binarne) i operacje na nich,
- podstawowe techniki programowania (m.in. metoda "dziel
i zwyciężaj", programowanie dynamiczne, algorytmy zachłanne),
- podstawowe algorytmy (m.in. sortowania tablic, algorytmy
grafowe).
ML_W23 Zadania na
ćwiczeniach,
praca
domowa
W03 Zna podstawowe nierówności probabilistyczne. ML_W28 Zadania na
ćwiczeniach,
praca
domowa
W04 zna algebraiczne aspekty struktur kombinatorycznych
i geometrycznych, w szczególności konfiguracji
kombinatorycznych i geometrii skończonych;
MNI_W03 Zadania na
ćwiczeniach,
praca
domowa
W05 zna metody zliczania obiektów kombinatorycznych MNI_W16 Zadania na
ćwiczeniach,
praca
domowa
W06 Ma ogólną wiedzę o aktualnych kierunkach rozwoju i
najnowszych odkryciach w zakresie matematyki;
M2_W03 Zadania na
ćwiczeniach,
praca
domowa
UMIEJĘTNOŚCI
U01 Potrafi w sposób zrozumiały, w mowie i na piśmie, przedstawić
poprawne rozumowanie matematyczne, formułować twierdzenia
i definicje, posługuje się rachunkiem zdań i kwantyfikatorów,
językiem teorii mnogości, indukcją matematyczną, rekurencją.
ML_U14 Zadania na
ćwiczeniach,
praca
domowa
U02 Potrafi określić kierunki dalszego uczenia się oraz zrealizować
proces samokształcenia.
M2_U02 Zadania na
ćwiczeniach,
praca
domowa
MU03 potrafi w sposób zrozumiały, w mowie i na piśmie, przedstawić
poprawne rozumowania matematyczne;
MNI_U01 Zadania na
ćwiczeniach,
praca
domowa
U04 umie posługiwać się językiem algebraicznym interpretując
zagadnienia z różnych obszarów matematyki i zastosowań;
MNI_U03 Zadania na
ćwiczeniach,
praca
domowa
KOMPETENCJE SPOŁECZNE
K01 Potrafi współdziałać i pracować w grupie, przyjmując w niej
różne role
ML_KS02 Zadania na
ćwiczeniach
K02 Potrafi odpowiednio określić priorytety służące realizacji
określonego przez siebie lub innych zadania
ML_KS03 Zadania na
ćwiczeniach
K03 Rozumie potrzebę podnoszenia kompetencji zawodowych
i osobistych
ML_KS05 Zadania na
ćwiczeniach
70
Opis przedmiotu
27. MODELOWANIE RYZYKA KREDYTOWEGO
Kod przedmiotu (USOS) 1120-MAMUF-NSP-0607
Nazwa przedmiotu
w polskim
Modelowanie ryzyka kredytowego
Nazwa przedmiotu
w angielskim
Credit risk modelling
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność MUF
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Mariusz Niewęgłowski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 3
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
Rachunek Prawdopodobieństwa, Podstawy analizy stochastycznej, Matematyka
Finansowa.
Limit liczby studentów Liczba grup: 1
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest wprowadzenie do matematycznych aspektów modelowania
ryzyka kredytowego. Przedstawienie podstawowych modeli ryzyka kredytowego oraz
wyceny obligacji narażonych na ryzyko kredytowe oraz różnorodnych pochodnych
kredytowych.
Efekty kształcenia Patrz TABELA 27.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia 1. Podstawowe modele strukturalne
-Model Mertona długu firmy.
-Własności momentów przekroczenia bariery.
-Model Zhou.
-Model Blacka-Cox'a.
2. Funkcja Hazardu momentu bankructwa:
-Wycena obligacji z ryzykiem kredytowym,
-Martyngały związanie z momentem bankructwa.
3. Proces Hazardu momentu bankructwa
-Warunkowe wartości oczekiwane związane z momentem bankructwa.
-Intensywność stochastyczna.
-Hipoteza H (niezmienności martyngałów).
-Twierdzenia o reprezentacji martyngałowej i Twierdzenie Girsanowa.
71
4. Zabezpieczanie wypłat narażonych na ryzyko kredytowe
-Metoda martyngałowa zabezpieczania wypłaty końcowej i procesu odzysku.
-Metody wyceny i zabezpieczania oparte na równaniach różniczkowych
cząstkowych.
5. Modelowanie ratingów kredytowych i zależności pomiędzy bankructwami.
-Koszykowe pochodne kredytowe.
-Warunkowo niezależne momenty bankructwa.
-Modele oparte na kopułach.
Metody oceny Dwa lub trzy kolokwia w semestrze oraz aktywność na zajęciach
Metody sprawdzania efektów
kształcenia
Patrz TABELA 27.
Egzamin Nie
Literatura 1. M. Ammann. Credit Risk Valuation: Methods, Models and Applications. Springer-
Verlag, Berlin Heidelberg New York, 2nd edition, 2001.
2. T.R. Bielecki and M. Rutkowski. Credit Risk: Modelling, Valuation and Hedging.
Springer-Verlag, Berlin Heidelberg New York, 2002
3. D. Lando. Credit Risk Modeling. Princeton University Press, Princeton, 2004
Witryna www przedmiotu www.mini.pw.edu.pl/~mariunie/CRM
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 40 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 30 h
b) zapoznanie się z literaturą – 10 h
Razem 105 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
E. Informacje dodatkowe
Uwagi -
Tabela 27: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna metody modelowania ryzyka kredytowego oraz metody
wyceny obligacji i instrumentów pochodnych. MUF_W02
Kolokwium,
praca
domowa.
W02 Zna modele oparte na intensywności i stochastycznej
intensywności.
Kolokwium,
praca
domowa.
W03 Zna metody modelowania zależności pomiędzy bankructwami
za pomocą kopuł.
Kolokwium,
praca
domowa.
72
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
UMIEJĘTNOŚCI
U01 Potrafi wyceniać podstawowe instrumenty kredytowe
(obligacje) oraz pochodne kredytowe MUF_U08
Kolokwium,
praca
domowa.
U02 Potrafi stosować narzędzia z analizy stochastycznej, statystyki
w zagadnieniach związanych z ryzykiem kredytowym MUF_U05
Kolokwium,
praca
domowa.
U03 Dla zadanego problemu potrafi znaleźć w literaturze fachowej i
bazach danych odpowiednie informacje MUF_U15
Praca
domowa.
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie, potrafi
inspirować i organizować proces uczenia się innych osób. MUF_K02
Opis przedmiotu
28. ZASTOSOWANIA ŁAŃCUCHÓW I PROCESÓW MARKOWA
Kod przedmiotu (USOS) 1120-MA000-NSP-0546
Nazwa przedmiotu
w polskim
Zastosowania łańcuchów i procesów markowa
Nazwa przedmiotu
w angielskim
Applications of Markov Chains and Markov Processes
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Mariusz Niewęgłowski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 2
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/ przed-
mioty poprzedzające
Rachunek Prawdopodobieństwa, procesy stochastyczne.
Limit liczby studentów Liczba grup:
Ćwiczenia – 30 os. /grupa
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Głównym celem przedmiotu jest zapoznanie z zastosowaniami procesów Markowa
m.in. w modelowaniu kolejek, demografii, teorii sterowania i stopowania optymalne-
go. Przedstawione zostaną również zastosowania do filtracji oraz metod Monte Carlo
73
do symulacji i stochastycznych optymalizacji
Efekty kształcenia Patrz TABELA 28.
Formy zajęć i ich wymiar
(semestralne)
Wykład 15
Ćwiczenia 15
Laboratorium 15
Projekt 0
Treści kształcenia 1. Definicja Procesu Markowa (PM) i funkcji prawdopodobieństw przejścia, klasy-
fikacja PM.
2. Różne formy własności Markowa.
3. Rozkłady skończenie wymiarowe PM, równanie Chapmana-Kołmogorowa.
4. Operatory infinitezymalne procesów/łańcuchów Markowa.
5. Charakteryzacje martyngałowe łańcuchów Markowa.
6. Markowskie modele kolejek.
7. Procesy urodzin i śmierci.
8. Sterowanie łańcuchów Markowa w horyzoncie skończonym/nieskończonym.
9. Zasada programowania dynamicznego i równanie Bellmana.
10. Sterowania z niepełną informacją.
11. Optymalne stopowanie łańcuchów Markowa w horyzoncie skończo-
nym/nieskończonym.
12. Zagadnienie filtracji łańcuchów Markowa, filtr Kalmana-Bucy.
13. Markowskie Monte Carlo – algorytm Metropolis, próbnik Gibbsa.
14. Optymalizacja stochastyczna – algorytm symulowanego wyżarzania.
Metody oceny Kolokwium z zakresu wykładu i ćwiczeń (waga 30%)
Laboratorium (waga 30%)
Referat (waga 40%)
Metody sprawdzania efektów
kształcenia
Patrz TABELA 28.
Egzamin Nie
Literatura 1. A.D. Wentzell: „Wykłady z teorii procesów stochastycznych”, PWN, Warszawa
1980.
2. S. Peszat i J. Zabczyk: „Wstęp do sterowania stochastycznego i teorii filtracji”,
http://www.impan.pl/~peszat/sterowanie.pdf
3. A. Iwanik, J.K.. Misiewicz: „Wykłady z procesów stochastycznych z zadaniami”,
Cz. pierwsza: Procesy Markowa.”, Script 2010.
4. P. Brmeaud. Markov Chains: Gibbs Fields, Monte Carlo Simulation, and Queues
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 50 h; w tym
a) obecność na wykładach – 15 h
b) obecność na ćwiczeniach – 15 h
c) obecność na laboratoriach – 15 h
d) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 15 h
b) przygotowanie do laboratoriów – 15 h
c) zapoznanie się z literaturą – 10 h
d) przygotowanie referatu – 10 h
Razem 100 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 15 h
b) obecność na ćwiczeniach – 15 h
c) obecność na laboratoriach –15 h
d) konsultacje – 5 h
Razem 50 h, co odpowiada 2 pkt. ECTS
74
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
a) obecność na laboratoriach – 15 h
b) przygotowanie do laboratoriów – 15 h
Razem 30 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 28: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie
do efektów
kształcenia
dla kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna markowskie modele kolejek i procesów demograficznych,
ich własności oraz implikacje. M2_W01-03 Kolokwium
W02
Zna metodę programowania dynamicznego i równanie Bellma-
na jako metody rozwiązywania problemów w optymalizacji
stochastycznej (optymalne sterowania i stopowanie)
M2_W01-03 Kolokwium
W03 Zna metody filtracji w kontekście procesów Markowa. M2_W01-03 Kolokwium/
Laboratorium
W04 Zna podstawowe algorytmy metod markowskiego Monte Carlo M2_W01-03 Kolokwium/
Laboratorium
UMIEJĘTNOŚCI
U01 Potrafi zastosować programowanie dynamiczne do rozwiązania
problemów optymalizacji stochastycznej. MUF_U05
Kolokwium,
Zadania na
ćwiczeniach
U02 Potrafi zastosować filtr Kalmana w przykładowych zagadnie-
niach.
Zadania na
ćwiczeniach,
Laboratorium
U03 Potrafi zastosować metody markowskiego Monte Carlo oraz
symulowanego wyżarzania w problemach optymalizacji.
Zadania na
ćwiczeniach,
Laboratorium
U04 Potrafi przedstawić wyniki badań w postaci referatu przygoto-
wanego w grupie.
M2_01
MUF_U15
MUF_U16
Referat
KOMPETENCJE SPOŁECZNE
K01 Rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związanej z tym odpowiedzialności. M2_K01 Referat
K02 Ma ogólną wiedzę o aktualnych kierunkach rozwoju w zakresie
przedmiotów ekonomiczno-społecznych; M2_K02 Referat
K03 Potrafi współdziałać i pracować w zespole, przyjmując w nim
różne role MUF_K01 Referat
Opis przedmiotu
29. METODY LOSOWE OPTYMALIZACJI GLOBALNEJ
Kod przedmiotu (USOS) Nowy
Nazwa przedmiotu
w polskim
Metody Losowe Optymalizacji Globalnej
Nazwa przedmiotu
w angielskim
Sampling Global Optimization Methods
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
75
Profil studiów Profil ogólnoakademicki
Specjalność Metody Sztucznej Inteligencji, Przetwarzanie i analiza danych, Statystyka
Matematyczna i Analiza Danych, Matematyka w Naukach Informacyjnych,
Matematyka w Naukach Technicznych, Matematyka w Ubezpieczeniach i Finansach
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr inż. Michał Okulewicz
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 2, 4
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
1. Ogólne zrozumienie problemów optymalizacyjnych
2. Ogólna znajomość przykładowych heurystycznych lub gradientowych metod
optymalizacji
3. Umiejętność przeprowadzenia obliczeń i opracowania ich wyników
Limit liczby studentów Liczba grup: 1 grupa laboratoryjna
Laboratoria – 15 osób /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z metaheurystycznymi algorytmami
optymalizacyjnymi, ich związkiem z klasycznymi algorytmami heurystycznymi i
gradientowymi oraz praktycznymi aspektami ich wykorzystania.
Efekty kształcenia Patrz TABELA 29.
Formy zajęć i ich wymiar
(semestralne)
Wykład 15
Ćwiczenia 0-
Laboratorium 45
Projekt 0
Treści kształcenia Wykład:
1. Czy istnieje najlepszy algorytm optymalizacyjny?
O szukaniu igły w stogu siana i darmowych obiadach.
2. Co zrobić, żeby się nie narobić?
O projektowaniu funkcji celu i metodach losowych.
3. Czy 1 jest bliżej 17 czy 2?
O sąsiedztwie i przestrzeniach przeszukiwania.
4. Czy więcej znaczy lepiej?
O metodach populacyjnych, na przykładzie metod ewolucyjnych.
5. Czego możemy nauczyć się od mrówek, pszczół, ryb i ptaków? Oraz co wspólnego
mają Powrót Batmana, film Władca Pierścieni i serial Gra o Tron?
O inteligencji rojowej.
6. Czy algorytmy heurystyczne są nam potrzebne?
O eksploracji, eksploatacji, hiper-heurystykach i algorytmie memetycznym.
7. Jak oceniać algorytmy?
O zbiorach benchmarkowych i opisie wyników.
8. Jak zadowolić klienta?
O optymalizacji wielokryterialnej, odpornej i meta-optymalizacji.
9. Jak odbierać laptopy i odpady?
Studium przypadku: Vehicle Routing Problem
10. Jak ciąć drewno?
Studium przypadku: 2-D Packing and Cutting Problem
Laboratorium:
1. Implementacja metody Monte Carlo i hill-climbing w optymalizacji funkcji ciągłej i
76
przykładowym problemie dyskretnym
2. Implementacja metody zmiennego sąsiedztwa oraz symulowanego wyżarzania
3. Implementacja przykładowego algorytmu genetycznego i metody ewolucyjnej
4. Implementacja algorytmu optymalizacji rojem cząstek i algorytmu mrówkowego
5. Implementacja algorytmu ewolucji różnicowej
6. Realizacja projektu zespołowego (np. prezentacja działania rojów złożonych z
różnych cząstek, implementacja algorytmu genetycznego do wybranego problemu
kombinatorycznego, konstrukcja ciągłej przestrzeni przeszukiwania i funkcji celu w
wybranym problemie optymalizacyjnym)
Metody dydaktyczne Wykłady mają w założeniu charakter krótkich wystąpień popularyzujących oraz mo-
tywacyjnych. Bardziej techniczna część prezentacji danego tematu dokonywana jest
już w laboratorium.
Zadaniem zajęć laboratoryjnych jest indywidualne przetestowanie wachlarza metod
optymalizacyjnych na niezbyt złożonych przykładowych problemach oraz przygoto-
wanie warsztatu wizualizacji i oceny wyników algorytmów (z ewentualną możliwo-
ścią pracy w domu w przypadku bardziej złożonych zadań).
Końcowe zajęcia laboratoryjne będą poświęcone rozwiązaniu wybranych funkcjonu-
jących w literaturze zadań optymalizacyjnych lub prezentacja przykładowej modyfi-
kacji podstawowych wersji algorytmów. Projekt wykonywany jest w zespole i kończy
się prezentacją w formie mini-seminarium.
Metody oceny Zaliczenie dokonywane jest na podstawie punktów zdobytych w trakcie semestru:
3. Wykonanie ćwiczeń na laboratoriach – 60 pkt
4. Realizacja w małym zespole (2-4 osoby) projektu prezentującego wybrany
problem lub algorytm optymalizacyjny – 40 pkt
Skala ocen kształtuje się następująco:
50 punktów i mniej: 2.0
51 – 60 punktów: 3.0
61 – 70 punktów: 3.5
71 – 80 punktów: 4.0
81 – 90 punktów: 4.5
91 punktów i więcej: 5.0
Metody sprawdzania efektów
kształcenia
Patrz TABELA 29.
Egzamin Nie
Literatura 1. Shi, Y.; Eberhart, R.C. (1998). "A modified particle swarm optimizer". Proceedings
of IEEE International Conference on Evolutionary Computation. pp. 69–73.
2. Storn, R.; Price, K. (1997). "Differential evolution - a simple and efficient heuristic
for global optimization over continuous spaces". Journal of Global Optimization. 11:
341–359
3. Wolpert, D.H., Macready, W.G. (1997), "No Free Lunch Theorems for Optimiza-
tion", IEEE Transactions on Evolutionary Computation 1, 67.
4. Gendreau, M.; Potvin, J-Y. (2010). "Handbook of Metaheuristics". Springer.
5. Panigrahi, B.K.; Shi, Y.; Lim, M. (2011), "Handbook of swarm intelligence: con-
cepts, principles and applications”. Springer.
6. Arabas J. (2004). „Wykłady z algorytmów ewolucyjnych”. WNT
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 60 h; w tym
a) obecność na wykładach – 15 h
b) obecność na laboratoriach – 45 h
2. praca własna studenta – 60 h; w tym
a) przygotowanie do laboratorium –20 h
b) realizacja projektu – 40 h
Razem 120 h, co odpowiada 4 pkt. ECTS
77
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 15 h
b) obecność na laboratoriach – 45 h
Razem 60 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 45 h
b) przygotowanie do laboratorium –20 h
c) realizacja projektu – 40 h
Razem 105 h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 29: EFEKTY KSZTAŁCENIA
Dla kierunku Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Wiedza za zakresu metaheurystycznych metod optymalizacji
globalnej
M2_W02
P6S_WG
Zadania na
laboratorium
Zadanie
projektowe
UMIEJĘTNOŚCI
U01
Umiejętność implementacji podstawowych wersji
jednopunktowych i populacyjnych metaheurystycznych metod
optymalizacji
M2_U01
MNI_U11
SMAD_U02
MUF_U04
P6S_UW
Zadania na
laboratorium
Zadanie
projektowe
KOMPETENCJE SPOŁECZNE
K01 Realizacja projektów badawczych w zespole
MNI_K01
SMAD_K01
MUF_K01
MNT_K01
Zadanie
projektowe
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Wiedza za zakresu metaheurystycznych metod optymalizacji
globalnej
SI_W01
PD_W10
Zadania na
laboratorium
Zadanie
projektowe
UMIEJĘTNOŚCI
U01
Umiejętność implementacji podstawowych wersji
jednopunktowych i populacyjnych metaheurystycznych metod
optymalizacji
SI_U16
PD_U16
P7S_UW
Zadania na
laboratorium
Zadanie
projektowe
KOMPETENCJE SPOŁECZNE
K01 Realizacja projektów badawczych w zespole SI_K04
PD_K04
Zadanie
projektowe
78
Opis przedmiotu
30. ANALITYCZNE FUNKCJE CHARAKTERYSTYCZNE
Kod przedmiotu (USOS) 1120-MA000-LSP-0504
Nazwa przedmiotu
w polskim
Analityczne funkcje charakterystyczne
Nazwa przedmiotu
w angielskim
Analytic characteristic functions
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr hab. Zbigniew Pasternak-Winiarski, profesor PW
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny piąty
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
Analiza matematyczna, Analiza zespolona 1
Limit liczby studentów Liczba grup: bez limitu
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu (i) Zapoznanie studenta z podstawowymi pojęciami i twierdzeniami teorii funkcji
jednej zmiennej zespolonej dotyczącymi rozkładów funkcji całkowitych
i meromoeficznych; (ii) zapoznanie studenta z podstawowymi pojęciami
i twierdzeniami teorii analitycznych funkcji charakterystycznych w rachunku
prawdopodobieństwa; (iii) przekazanie umiejętność stosowania poznanej wiedzy w
zagadnieniach probabilistycznych; (iv) umożliwienie w oparciu o wyżej wymienioną
wiedzę dalszego studiowania
Efekty kształcenia Patrz TABELA 30
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 godzin
Ćwiczenia 30 godzin
Laboratorium 0
Projekt 0
Treści kształcenia 1. Rozkłady funkcji całkowitych i meromorficznych (twierdzenia Mittag-Lefflera
Weierstrassa i Hadamarda; rząd i typ funkcji całkowitej).
2. Funkcje charakterystyczne zmiennych losowych i ich przedłużenia analityczne –
podstawowe własności.
3. Warunki konieczne i wystarczające na to aby funkcja holomorficzna była
rozszerzeniem funkcji charakterystycznej, całkowite funkcje charakterystyczne.
4. Problemy dekompozycji twierdzenie Marcinkiewicza i twierdzenie Cramera.
5. Zastosowanie analitycznych funkcji charakterystycznych w rachunku
prawdopodobieństwa.
79
Metody oceny 1. Przy zaliczaniu obowiązuje system punktowy. Na podstawie ilości uzyskanych
punktów ustala się końcową ocenę z przedmiotu.
2. Za ćwiczenia można otrzymać maksymalnie 20 punktów. Składają się na to
punkty za dwa sprawdziany pisemne (maksymalnie 18 punktów) oraz punkty za
aktywność na zajęciach. . Zaliczenie ćwiczeń (zwolnienie z konieczności
powtarzania ćwiczeń w przypadku gdy przedmiot jako całość nie jest w wyniku
sesji zaliczony) uzyskuje student, który zdobył co najmniej 10 punktów (10 p.).
Student, który uzyskał co najmniej 14 p. może nie przystępować do zadaniowej
części egzaminu.
3. Egzamin składa się z: pisemnej części zadaniowej oraz pisemnej części
teoretycznej (w formie testu). Za każdą część można otrzymać maksymalnie 20
p.) O ocenie końcowej decyduje suma punktów z ćwiczeń i z egzaminu
(maksymalnie 60 p.). Aby uzyskać ocenę pozytywną uczestnik zajęć musi zdobyć
co najmniej 31 p. a w tym co najmniej 10 p. za pisemną część teoretyczną.
Podstawą do ustalenia tej oceny będą następujące przeliczniki: 31-36 p. – trzy; 37-
42 p. – trzy i pół; 43-48 p. – cztery; 49-54 p. – cztery i pół; 55-60 p. – pięć. Jeżeli
student skorzystał ze zwolnienia z zadaniowej części egzaminu, to w końcowej
ilości punktów, które otrzymuje występują punkty za ćwiczenia pomnożone
przez dwa. W przypadkach wątpliwych (student lub egzaminator uważa, ze
uzyskany wynik punktowy nie oddaje stopnia znajomości przedmiotu u studenta)
student może być poproszony o dodatkową odpowiedź ustną
4. Jeżeli student poprawia część pisemną egzaminu, to uzyskana w wyniku tej
poprawy ilość punktów stanowi aktualną ocenę tej części egzaminu.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 30.
Egzamin Tak
Literatura 1. Krantz S. G., Geometric Function Theory, Bikrkhäuser, Boston, Basel, Berlin
2011.
2. E. Lukacs, Characteristic functions, Griffin, London 1970.
3. W. Rudin, Podstawy analizy matematycznej, Wydawnictwo Naukowe PWN,
Warszawa 2002.
4. B. W. Szabat, Wstęp do analizy zespolonej, PWN, Warszawa 1978
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 20 h
b) zapoznanie się z literaturą – 10 h
c) przygotowanie do egzaminu – 20 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
80
Tabela 30: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma pogłębioną wiedzę dotycząca modeli analitycznych
i probabilistycznych. M2_W01
kolokwium,
egzamin
W02
Ma ogólną wiedzę o aktualnych kierunkach rozwoju
i najnowszych odkryciach z zakresu metod analitycznych w
teorii prawdopodobieństwa.
M2_W03 kolokwium,
egzamin
W03
Ma podstawową wiedzę na temat rozkładów funkcji
całkowitych i meromorficznych (twierdzenia Mittag-Lefflera
Weierstrassa i Hadamarda; rząd i typ funkcji całkowitej).
ML_W11 kolokwium,
egzamin
W04
Zna podstawowe własności analitycznych funkcji
charakterystycznych a szczególnie całkowitych funkcji
charakterystycznych.
ML_W30 kolokwium,
egzamin
W05 Zna twierdzenia Marcinkiewicza i Cramera i ich uogólnienia. ML_W30 kolokwium,
egzamin
W06 Zna zastosowanie analitycznych funkcji charakterystycznych w
rachunku prawdopodobieństwa. SMAD_W05
kolokwium,
egzamin
UMIEJĘTNOŚCI
U01
Umie sprawdzić czy funkcja charakterystyczna jest analityczna
oraz to czy dana funkcja holomorficzna jest rozszerzeniem
funkcji charakterystycznej
Ml_U25
SMAD_U05
kolokwium,
egzamin
U02
Umie rozkładać funkcje meromorficzne na sumy części
głównych i wielomianów oraz funkcje całkowite na
nieskończone iloczyny
ML_U11
ML_U12
kolokwium,
egzamin
U03
Umie określić czy dana czy funkcja charakterystyczna jest
rozkładalna na iloczyn funkcji charakterystycznych i wyciągnąć
wnioski dotyczące przedstawienia zmiennej losowej jako sumy
rozkładów niwzależnych
ML_U26 kolokwium,
egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę podnoszenia kompetencji zawodowych i
osobistych ML_KS05
Sprawdzanie
obecności na
zajęciach
Opis przedmiotu
31. ANALIZA ZESPOLONA 2
Kod przedmiotu (USOS)
Nazwa przedmiotu
w polskim
Analiza zespolona 2
Nazwa przedmiotu
w angielskim
Complex analysis 2
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr hab. Zbigniew Pasternak-Winiarski, profesor PW
81
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny szósty
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Analiza matematyczna, Analiza zespolona 1
Limit liczby studentów Liczba grup: bez limitu
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu (i) Zapoznanie studenta w rozszerzonym zakresie z pojęciami i twierdzeniami
geometrycznej teorii funkcji jednej zmiennej zespolonej; (ii) w oparciu o wyżej
wymienioną wiedzę stworzenie możliwości dalszego studiowania szczegółowych
zagadnień z zakresu teorii funkcji jednej zmiennej zespolonej i rozpoczęcia studiów
w zakresie wielu zmiennych zespolonych oraz geometrii zespolonej.
Efekty kształcenia Patrz TABELA 31.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 godzin
Ćwiczenia 30 godzin
Laboratorium 0
Projekt 0
Treści kształcenia 1. Geometria konforemna (metryka Poincarego, funkcja Bergmana dla dysku
jednostkowego, różne metody wyliczania funkcji Bergmana, nowe zastosowania
funkcji Bergmana w teorii odwzorowań konforemnych do klasyfikacji
obszarów).
2. Lemat Schwarza –nowe wersje i zastosowania (metryka Poincarego i
interpretacja geometryczna lematu Schwarza, wersja Alforsa lematu Schwarza,
zastosowanie w dowodach twierdzeń Liouville’a i Picarda, lematu Schwarza na
brzegu dysku jednostkowego).
3. Rodziny normalne funkcji (podstawowe własności rodzin normalnych, rezultaty
zaawansowane, zasada Robinsona).
4. Twierdzenie Reimanna o odwzorowaniach konforemnych i jego uogólnienia
(dowód twierdzenia Riemanna za pomocą funkcji Greena, reprezentacja
konforemna obszarów wielospójnych, uniformizacja obszarów wielospójnych,
odwzorowanie Alforsa).
Metody oceny 1. Przy zaliczaniu obowiązuje system punktowy. Na podstawie ilości uzyskanych
punktów ustala się końcową ocenę z przedmiotu.
2. Za ćwiczenia można otrzymać maksymalnie 20 punktów. Składają się na to
punkty za dwa sprawdziany pisemne (maksymalnie 18 punktów) oraz punkty za
aktywność na zajęciach. Zaliczenie ćwiczeń (zwolnienie z konieczności
powtarzania ćwiczeń w przypadku gdy przedmiot jako całość nie jest w wyniku
sesji zaliczony) uzyskuje student, który zdobył co najmniej 10 punktów (10 p.).
Student, który uzyskał co najmniej 14 p. może nie przystępować do zadaniowej
części egzaminu.
3. Egzamin składa się z: pisemnej części zadaniowej oraz pisemnej części
teoretycznej (w formie testu). Za każdą część można otrzymać maksymalnie 20
p). O ocenie końcowej decyduje suma punktów z ćwiczeń i z egzaminu
(maksymalnie 60 p.). Aby uzyskać ocenę pozytywną uczestnik zajęć musi zdobyć
co najmniej 31 p. a w tym co najmniej 10 p. za pisemną część teoretyczną.
Podstawą do ustalenia tej oceny będą następujące przeliczniki: 31-36 p. – trzy; 37-
42 p. – trzy i pół; 43-48 p. – cztery; 49-54 p. – cztery i pół; 55-60 p. – pięć. Jeżeli
student skorzystał ze zwolnienia z zadaniowej części egzaminu, to w końcowej
ilości punktów, które otrzymuje występują punkty za ćwiczenia pomnożone
przez dwa. W przypadkach wątpliwych (student lub egzaminator uważa, ze
82
uzyskany wynik punktowy nie oddaje stopnia znajomości przedmiotu u studenta)
student może być poproszony o dodatkową odpowiedź ustną.
4. Jeżeli student poprawia część pisemną egzaminu, to uzyskana w wyniku tej
poprawy ilość punktów stanowi aktualną ocenę tej części egzaminu.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 31.
Egzamin Tak
Literatura 1. Krantz S. G., Geometric Function Theory, Bikrkhäuser, Boston, Basel, Berlin
2011.
2. W. Rudin, Podstawy analizy matematycznej, Wydawnictwo Naukowe PWN,
Warszawa 2002.
3. B. W. Szabat, Wstęp do analizy zespolonej, PWN, Warszawa 1978
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 20 h
b) zapoznanie się z literaturą – 10 h
c) przygotowanie do egzaminu – 20 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
Tabela 31: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma pogłębioną wiedzę dotycząca modeli analitycznych
i geometrycznych M2_W01
kolokwium,
egzamin
W02
Ma ogólną wiedzę o aktualnych kierunkach rozwoju
i najnowszych odkryciach z zakresu funkcji zespolonych jednej
zmiennej
M2_W03 kolokwium,
egzamin
W03 Ma podstawową wiedzę o metrykach Riemanna i geodezyjnych
na obszarach przestrzeni kartezjańskiej ML_W09
kolokwium,
egzamin
W04 Zna pojęcie przestrzeni Bergmana, funkcji Bergmana i metryki
Bergmana, zna odpowiednie przykłady ML_W12
kolokwium,
egzamin
W05 Zna uogólnienia lematu Schwarza ich zastosowania
w dowodach twierdzeń Liouville’a i Picarda, M2_W03
kolokwium,
egzamin
W06
Ma rozszerzone wiadomości na temat rodzin normalnych
funkcji, reprezentacji konforemnej obszarów wielospójnych,
uniformizacji obszarów wielospójnych, odwzorowania Alforsa
M2_W03 kolokwium,
egzamin
83
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
UMIEJĘTNOŚCI
U01 Umie napisać równanie geodezyjnej i w prostych przypadkach
umie je rozwiązać ML_U09
kolokwium,
egzamin
U02
Umie wyliczać funkcje Bergmana i metryki Bergmana oraz ich
geodezyjne a nastepnie stosować je do badania funkcji
holomorficznych
ML_U013,
ML_U017
kolokwium,
egzamin
U03 Umie klasyfikować obszary wielospójne i używać
odwzorowania Alforsa ML_U12
kolokwium,
egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę podnoszenia kompetencji zawodowych
i osobistych ML_KS05
Sprawdzanie
obecności na
zajęciach
Opis przedmiotu
32. WNIOSKOWANIE ROZMYTE
Kod przedmiotu (USOS) 1120-MA000-LSP-0639
Nazwa przedmiotu
w polskim Wnioskowanie rozmyte
Nazwa przedmiotu
w angielskim Fuzzy Reasoning
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność Dowolna
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr Anna Maria Radzikowska
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4,6 (studia I stopnia), 2,4 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające brak
Limit liczby studentów Liczba grup: dowolna
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie uczestników z podstawowymi narzędziami i
technikami wnioskowania rozmytego.
Efekty kształcenia Patrz TABELA 32.
84
Formy zajęć i ich wymiar
(semestralne)
Wykład 15
Ćwiczenia 15
Laboratorium 0
Projekt 30
Treści kształcenia Tematyka zajęć obejmuje następujące zagadnienia:
1. Pojęcia podstawowe teorii zbiorów rozmytych.
2. Rozmyte relacje i funkcje logiczne.
3. Liczby rozmyte.
4. Wybrane logiki rozmyte (w tym logiki MTL i BL).
5. Rozmyte reguły IF-THEN.
6. Rozmyte zbiory przybliżone.
7. Rozmyte systemy informacyjne i rozmyte relacje informacyjne.
8. Zastosowanie zbiorów rozmytych w procesach decyzyjnych.
W trakcie zajęć projektowych uczestnicy samodzielnie opracowują wybrane tematy i
wygłaszają referaty.
Metody oceny Zaliczenie przedmiotu odbywa się na podstawie indywidualnie przygotowanego i
wygłoszonego referatu oraz kolokwium zaliczającego. Referat może być przygoto-
wany przez 1 lub 2 osoby. Przy zaliczeniu obowiązuje system punktowy. Za kolo-
kwium można uzyskać maksymalnie 20 punktów. Referat oceniany jest także na
maksimum 20 punktów (uwzględniany jest tu zarówno sposób selekcji materiału jak i
jego prezentacja). Dla zaliczenia przedmiotu wymagane jest uzyskanie minimum 11
punktów z kolokwium zaliczającego i minimum 10 punktów za opracowany i wygło-
szony referat.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 32.
Egzamin Nie
Literatura 1. H. J. Zimmerman: Fuzzy Set Theory and Its applications, Kluwer Academic
Publications, 1996.
2. G. J. Klir, B. Yuan: Fuzzy Sets and Fuzzy logic: Theory and Applications, Prentice
Hall, 1995.
3. P. Hajek: Mathematics of Fuzziness, Kluwer Academic Publishers, 1998.
4. Da Ruan, E. E. Kerre(eds): Fuzzy IF-THEN Rules in Computational intelligence:
Theory and Applications, Kluwer Academic Publishers, 2000.
5. Czasopisma: Fuzzy Sets and Systems, Information Sciences, IEEE Transactions on
Fuzzy Systems, Int. journal of approximate reasoning.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 75 h; w tym
a) obecność na wykładach –15 h
b) obecność na ćwiczeniach – 15 h
c) obecność na projektach – 30 h
d) konsultacje – 15 h
2. praca własna studenta – 55 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 15 h
b) zapoznanie się z literaturą i przygotowanie referatu – 40 h
Razem 130 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 15 h
b) obecność na ćwiczeniach – 15 h
c) obecność na projektach – 30 h
d) konsultacje – 15 h
Razem 75 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
Uczestnictwo w zajęciach ćwiczeniowych i projektowych – 45 h
Przygotowanie referatu – 30 h
Razem 75 h, co daje 3 pkt. ECTS
85
E. Informacje dodatkowe
Uwagi –
Tabela 32: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01
Ma wiedzę z podstaw teorii zbiorów rozmytych, zna
podstawowe systemy formalne logik rozmytych oraz
mechanizmy wnioskowania w środowisku informacji niepełnej
i/lub nieprecyzyjnej.
Kolokwium
W02
Ma wiedzę w zakresie logiki, teorii mnogości i kombinatoryki.
W szczególności: zna pojęcie i podstawowe własności zbioru,
relacji równoważności, relacji porządku, grafu, dobrze rozumie
rolę i znaczenie dowodu w matematyce.
ML_W15 Kolokwium,
referat
W03
Ma wiedzę w zakresie algebry abstrakcyjnej, w szczególności
zna pojęcie i podstawowe własności grupy, pierścienia, ciała,
homomorfizmu. Zna podstawowe związki pierścieni i ciał
z teorią liczb.
ML_W17 Kolokwium,
referat
UMIEJĘTNOŚCI
U01
Posiada umiejętność reprezentacji wiedzy potocznej za pomocą
formuł logiki rozmytej. Potrafi skonstruować regułowy system
dedukcji oparty na informacji rozmytej.
Kolokwium
U02
Posiada umiejętność przygotowania typowych prac pisemnych
w języku polskim i języku obcym, uznawanym za podstawowy
dla dziedzin nauki i dyscyplin naukowych, właściwych dla
studiowanego kierunku studiów, dotyczących zagadnień
szczegółowych, z wykorzystaniem podstawowych ujęć
teoretycznych, a także różnych źródeł; Posiada umiejętność
przygotowania wystąpień ustnych, w języku polskim i języku
obcym, dotyczących zagadnień szczegółowych,
z wykorzystaniem podstawowych ujęć teoretycznych, a także
różnych źródeł.
ML_U31 Referat
U03
Potrafi w sposób zrozumiały, w mowie i na piśmie, przedstawić
poprawne rozumowanie matematyczne, formułować
twierdzenia i definicje, posługuje się rachunkiem zdań
i kwantyfikatorów, językiem teorii mnogości, indukcją
matematyczną, rekurencją.
ML_U14 Kolokwium
KOMPETENCJE SPOŁECZNE
K01 Potrafi współdziałać i pracować w grupie, przyjmując w niej
różne role. ML_KS02 Referat
K02 Prawidłowo identyfikuje i rozstrzyga dylematy związane
z wykonywaniem zawodu. ML_KS04 Referat
K03 Rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związaną z tym odpowiedzialność ML_KS06 Referat
Opis przedmiotu
33. MATEMATYKA POPULARNA
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu w polskim Matematyka popularna
Nazwa przedmiotu
w angielskim
The popularization of mathematics
A. Usytuowanie przedmiotu w systemie studiów
86
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Barbara Roszkowska-Lech
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6 (I stopień), 2 (II stopień)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
brak
Limit liczby studentów Liczba grup: 33
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem zajęć (seminarium) jest kształtowanie u studentów postaw sprzyjających
pogłębianiu swojej wiedzy matematycznej i umiejętności jej popularyzacji w
otaczającym środowisku społecznym.
Efekty kształcenia Patrz TABELA 31.
Formy zajęć i ich wymiar
(semestralne)
Wykład 0
Ćwiczenia/seminarium 30
Laboratorium 0
Projekt 0
Treści kształcenia Seminarium dla wszystkich zainteresowanych mówieniem o ważnych problemach
matematycznym językiem pozbawionym formalizmów i zrozumiałym dla szerokiego
grona odbiorców. Wybór tematów prezentowanych dokonany zostanie na pierwszym
spotkaniu przez uczestników, którzy będą je potem prezentować w formie referatów.
Uczestnicy, będą mogli opowiadać o tym co ich w matematyce zachwyciło a jedynym
warunkiem będzie to aby robili to w sposób zachwycający innych.
W trakcie zajęć omawiana tez będzie literatura popularna związana z matematyką.
Zapraszani tez będą goście którzy umieją interesująco opowiadać o matematyce.
Wstępnie proponowane tematy to
1. O pierwiastkach wielomianów czyli popularnie o twierdzeniu Galois
2. O pokrywaniu wielokątów na płaszczyźnie innymi wielokątami
3. Matematyka Gardnera
4.O systemach głosowania
Metody oceny Oceniana będzie prezentacja, jej poprawność merytoryczna oraz sposób przedstawie-
nia. (max 30 punktów) Ponadto na ocenę wpływać będizie aktywność uczestnika w
czasie wystąpień kolegów (max 20 punktów)
Metody sprawdzania efektów
kształcenia
Patrz TABELA 33.
Egzamin Nie
Literatura 1.D. Fusch, S, Tabachnikov, Mathematical Omnibus, AMS 2007
2. H. Rademacher, T. Toeplitz, O liczbach i Figurach
3. D. Hilbert, S. Cohn-Vossen, Geometria poglądowa
4. R. Courant, H. Robin, Co to jest matematyka
87
5. M. Aigner, G. M. Ziegler, Dowody z Księgi, Wydawnictwo Naukowe PWN, War-
szawa 2002.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 2
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
W jednym semestrze
1. godziny kontaktowe –35 h; w tym
a) obecność na seminarium – 30 h
b) konsultacje – 5 h
2. praca własna studenta –30 h; w tym
a) zapoznanie się z literaturą – 10 h
b) przygotowanie prezentacji – 20 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na seminarium – 30 h
b) konsultacje – 5 h
Razem 35 h, co odpowiada 1 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
Tabela 33: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Student ma ogólną wiedzę o aktualnych kierunkach rozwoju
i najnowszych odkryciach w zakresie matematyki.
M2_W01,
M2_W03
Udział w
dyskusji na
zajęciach
W02 Student zna podstawowe zasady, metody i sposoby
popularyzacji matematyki.
M2_W01,
M2_W03 prezentacja
UMIEJĘTNOŚCI
U01 Student potrafi korzystać z literatury popularyzującej
matematykę.
M2_U02,
M2_U01 prezentacja
U02 Student potrafi przygotować prezentację lub zajęcia
popularyzujące matematykę.
M2_U02,
M2_U01 prezentacja
U03 Student umie w interesujący, pozbawiony formalizmów sposób,
mówić o ważnych matematycznych rezultatach i problemach
M2_U02,
M2_U01 prezentacja
KOMPETENCJE SPOŁECZNE
K01 Student ma świadomość roli matematyki we współczesnym
świecie i potrafi zainteresować matematyką
M2_K01 Aktywność
na zajęciach
Opis przedmiotu
34. TEORIA LICZB
Kod przedmiotu (USOS) 1120-MA000-LSP-0513
Nazwa przedmiotu
w polskim
Teoria liczb
Nazwa przedmiotu
w angielskim
Number Theory
88
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Barbara Roszkowska-Lech
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 5 (studia I stopnia), 1, 3 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
Algebra liniowa z geometrią
Limit liczby studentów Liczba grup:
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem wykładu jest zapoznanie studenta z podstawowymi pojęciami i metodami
teorii liczb
Efekty kształcenia Patrz TABELA 34.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia 1.Podstawowe działy teorii liczb. Krótkie informacje z historii rozwoju teorii liczb.
Systemy pozycyjne zapisu liczb całkowitych.
2.Teoria podzielności w pierścieniu liczb całkowitych. Algorytm Euklidesa. Najwięk-
szy wspólny dzielnik. Najmniejsza wspólna wielokrotność. Liczby względnie pierw-
sze.
3.Kongruencje i pierścienie liczb całkowitych modulo m. Chińskie twierdzenie o
resztach i jego zastosowanie.
4.Liczby pierwsze. Dowody istnienia nieskończonej ilości liczb pierwszych. Twier-
dzenie Dirichleta o liczbach pierwszych w postępach arytmetycznych (informacyjnie)
i jego zastosowania. Dowody szczególnych przypadków tego twierdzenia.
5.Podstawowe twierdzenia teorii liczb. Twierdzenie Eulera, Małe Twierdzenie Fer-
mata. Twierdzenie Wilsona. Twierdzenie Czebyszewa
6.Liczby pseudopierwsze, Algorytmy badania pierwszości, kryterium Millera-Rabina
7.Równania diofantyczne. Kongrurencje stopni pierwszego i drugiego.
8. Ułamki łańcuchowe i równania Pella.
9.Reszty kwadratowe. Symbole Legendre'a i Jacobiego. Prawo wzajemności reszt
kwadratowych
10. Przedstawienie liczb naturalnych w postaci sum liczb kwadratowych. Informacje
o problemach Waringa.
11. Pierwiastki pierwotne i logarytm dyskretny. Kongurencje wyższych stopni
12.Podstawowe funkcje arytmetyczne. Funkcje multyplikatywne. Splot Dirichleta.
13.Klasyczne problemy w teorii liczb.
89
Metody oceny Aktywność na zajęciach 10, zadania domowe 30punktów, Kolokwium 30 punktów
0 – 35 dwa
35 – 41 trzy
42 – 49 trzy i pół
50 – 58 cztery
59 – 64 cztery i pół
65 – 70 pięć
Metody sprawdzania efektów
kształcenia
Patrz TABELA 34.
Egzamin Nie
Literatura W. Marzantowicz, P. Zarzycki, Elementarna teoria liczb, PWN, Warszawa 2006.
Wacław Marzantowicz, Piotr Zarzycki, Elementarna teoria liczb, PWN, Warszawa
2006
P. Ribenboim, Mała księga wielkich liczb pierwszych, WNT, Warszawa, 1996
W. Sierpiński, Teoria liczb, PWN, Warszawa 1950 (tom 1), 1959 (tom 2).
A. Nowickii, książki serii "Podróże po Imperium Liczb" ,, Olsztyn, Toruń, 2008 -
2013.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe –65h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta –50h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów, rozwiązywanie zadań
domowych – 30 h
b) zapoznanie się z literaturą – 20 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
Tabela 34: EFEKTY KSZTAŁCENIA
Dla kierunku Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01
Student zdaje sobie sprawę z fundamentalnego znaczenia liczb
pierwszych w matematyce i zna historię badań nad ich
rozmieszczeniem i podstawowe twierdzenia z nimi związane,
M2_W01
M2_W03
MNI_W04
kolokwium
W02
Student zna podstawowe twierdzenia elementarnej teorii liczb
oraz zna podstawowe algorytmy związane z teorią liczb oraz
rozumie problemy związane z ich złożonością
M2_W01
M2_W02
MNI_W04
MNI_W07
kolokwium
90
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
W03
Student zna najsłynniejsze otwarte problemy teorii liczb; potrafi
rozeznać ich znaczenie w samej teorii liczb i w szerszym
kontekście (matematycznym i kulturowym
M2_W03
MNI_W04 kolokwium
UMIEJĘTNOŚCI
U01 Student umie rozwiązywać podstawowe równania diofantyczne
( w szczególności udowodnić, że równanie nie ma rozwiązań)
MNI_U06
MNI_U04
MNI_U01
kolokwium
U02
Student potrafi stosować podstawowe fakty i twierdzenia (małe
twierdzenie Fermata, twierdzenie Eulera, twierdzenie Wilsona,);
rozumie znaczenie teorii kongruencji dla współczesnej
kryptografii.
MNI_U06
MNI_U04
MNI_U01 kolokwium
U03 Student zna prawo wzajemności dla reszt kwadratowych i
potrafi je stosować.
MNI_U06
MNI_U01 kolokwium
KOMPETENCJE SPOŁECZNE
K01 rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związanej z tym odpowiedzialności; M2_K01
Zadania
domowe
K02 Student poprawnie posługuje się terminologią fachową M2_K02 Zadania
domowe
K03 Student myśli twórczo w celu udoskonalenia istniejących bądź
stworzenia nowych rozwiązań.
Zadania
domowe
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01
Student zdaje sobie sprawę z fundamentalnego znaczenia liczb
pierwszych w matematyce i zna historię badań nad ich
rozmieszczeniem i podstawowe twierdzenia z nimi związane,
SI_W01 kolokwium
W02
Student zna podstawowe twierdzenia elementarnej teorii liczb
oraz zna podstawowe algorytmy związane z teorią liczb oraz
rozumie problemy związane z ich złożonością
SI_W01
SI_W11 kolokwium
W03
Student zna najsłynniejsze otwarte problemy teorii liczb; potrafi
rozeznać ich znaczenie w samej teorii liczb i w szerszym
kontekście (matematycznym i kulturowym
SI_W01 kolokwium
UMIEJĘTNOŚCI
U01 Student umie rozwiązywać podstawowe równania diofantyczne
( w szczególności udowodnić, że równanie nie ma rozwiązań
SI_U09
SI_U06 kolokwium
U02
Student potrafi stosować podstawowe fakty i twierdzenia (małe
twierdzenie Fermata, twierdzenie Eulera, twierdzenie Wilsona,);
rozumie znaczenie teorii kongruencji dla współczesnej
kryptografii.
SI_U06 kolokwium
U03 Student zna prawo wzajemności dla reszt kwadratowych
i potrafi je stosować
SI_U09
SI_U06 kolokwium
KOMPETENCJE SPOŁECZNE
K01 rozumie społeczne aspekty praktycznego stosowania zdobytej
wiedzy i umiejętności oraz związanej z tym odpowiedzialności;
SI_K02
SI_K06
Zadania
domowe
K02 Student poprawnie posługuje się terminologią fachową SI_K06 Zadania
domowe
K03 Student myśli twórczo w celu udoskonalenia istniejących bądź
stworzenia nowych rozwiązań. SI_K05
Zadania
domowe
91
Opis przedmiotu
35. REALIZACJA ALGORYTMÓW OCHRONY INFORMACJI
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w j.polskim
Realizacja algorytmów ochrony informacji
Nazwa przedmiotu w j.
angielskim
Algorithms for information security
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr inż. Paweł Sapiecha
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny
Usytuowanie realizacji w roku
akademickim
Semestr zimowy i letni
Wymagania wstępne/
przedmioty poprzedzające
-
Limit liczby studentów Liczba grup:
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Przedmiot ma na celu zapoznanie słuchaczy z istniejącymi problemami dotyczącymi:
budowy, analizy i implementacji algorytmów wykorzystywanych w celu skutecznej
ochrony informacji w systemach teleinformatycznych. Podczas wykładu zostaną
zaprezentowane podwaliny historyczne omawianej dziedziny, w tym dotyczące
złamania szyfru Enigmy przez polskich kryptologów, oraz klasyczne zagadnienia z
obszaru algorytmów stosowanych w kryptografii symetrycznej i asymetrycznej, jak i
szereg metod ataku na istniejące systemy. Duży nacisk zostanie położony na istotne i
aktualne zagadnienia, takie jak: wykorzystanie równoległych algorytmów-systemów o
wysokiej wydajności, bezpieczeństwo przetwarzania danych w chmurze
obliczeniowej, obliczenia i komputery kwantowe oraz kryptografia typu post-
kwantum.
Efekty kształcenia Patrz TABELA 35.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 15
Projekt 15
Treści kształcenia Krótka charakterystyka w języku polskim:
Przedmiot ma na celu zapoznanie słuchaczy z istniejącymi problemami dotyczącymi:
budowy, analizy i implementacji algorytmów wykorzystywanych w celu skutecznej
ochrony informacji w systemach teleinformatycznych. Podczas wykładu zostaną
zaprezentowane podwaliny historyczne omawianej dziedziny, w tym dotyczące
złamania szyfru Enigmy przez polskich kryptologów, oraz klasyczne zagadnienia z
92
obszaru algorytmów stosowanych w kryptografii symetrycznej i asymetrycznej, jak i
szereg metod ataku na istniejące systemy. Duży nacisk zostanie położony na istotne i
aktualne zagadnienia, takie jak: wykorzystanie równoległych algorytmów-systemów o
wysokiej wydajności, bezpieczeństwo przetwarzania danych w chmurze
obliczeniowej, obliczenia i komputery kwantowe oraz kryptografia typu post-
kwantum.
Równolegle do wykładów, prowadzone będą laboratoria, których głównym celem
będzie czytelna ilustracja omawianych zagadnień. W odniesieniu do klasycznych
tematów kryptografii i kryptoanalizy zostanie wykorzystane środowisko: Cryptool
(patrz portal: https://www.cryptool.org/en/) oraz przykłady w nim zawarte. W
przypadku historii złamania Enigmy – Enigma Simulator. W kontekście nowych,
aktualnych zagadnień kryptologii zostaną wykorzystane środowiska, takie jak: Sage,
(http://www.sagemath.org) i Magma (http://magma.maths.usyd.edu.au/magma/), oraz
język: Cryptol firmy Galois (galois.com). Dla osób które będą zainteresowane
implementacją sprzętową rozważanych algorytmów dostępne będą środowiska firmy
Intel-Altera: Quartus i OpenCL.
Ważnym elementem przedmiotu jest projekt, który obejmuje następujące części:
wybór i definicja problemu, analiza źródeł,
opracowanie wstępnego rozwiązania,
projekt i implementacja programowo-sprzętowa,
testowanie uzyskanego rozwiązania,
wykonanie dokumentacji projektowej,
krytyczna analiza uzyskanych wyników.
Krótka charakterystyka w języku angielskim:
The course is designed to familiarize students with existing problems related to the
construction, analysis and implementation of algorithms used in order to protect
information in ICT systems. During the lecture they will be presented historical
foundations of this area, including the breaking Enigma by Polish cryptanalysts, and
classic issues from the algorithms used in symmetric and asymmetric cryptography, as
well as a number of methods of attacks on existing systems. Great emphasis will be
placed on relevant and current issues, such as: the performance analysis of
cryptographic algorithms in the age of high performance computing HPC, cloud
computing security, quantum computing and post-quantum cryptography.
In addition to lectures, the laboratories will be conducted. Their main objective will be
clear illustration of the discussed issues. In regard to the explanation of classical
concepts of cryptography and cryptanalysis, the Cryptool environment will be used
(https://www.cryptool.org/en/). In the case, of Enigma machine story – we will use
Enigma Simulator. In the context of new and current issues in cryptology, the Sage
environment will be applied (http://www.sagemath.org) as well as: Magma
(http://magma.maths.usyd.edu.au /magma/), and Cryptol language (from: galois.com).
For those who are interested in the hardware implementation of the considered
algorithms - the Quartus tool and the OpenCL framework will be available (from
Intel-Altera).
An important part of the course is a project. It consists of the following parts (problem
solving steps process):
- identifying and definig of the problem, an analysis of: sources, alternative solutions,
- developing an initial solution, software-based,
- designing and implementing of software-hardware solution,
- testing the resulting solution,
- working out project documentation,
- critical analysis of the results.
Treść wykładu:
1. Algorytmy arytmetyczne: sumujące, drzewa Wallace'a.
2. Algorytmy mnożące, metoda Karatsuby, sieci sortujące.
3. Implementacja szybkiej transformaty Fouriera, zastosowanie twierdzenia o
splocie.
4. Szyfry i ich historia, oraz o tym jak doszło do złamania szyfru Enigmy.
93
5. Algorytmy asymetryczne: Diffiego-Hellman i RSA, ElGamala. Ataki na
RSA.
6. Obliczenia w ciałach skończonych, na krzywych eliptycznych, redukcja
Montgomerego.
7. Algorytmy symetryczne: DES, AES. Ataki - metody: różnicowe, liniowe i
algebraiczne.
8. Funkcje skrótu. Ataki na funkcje skrótu, metoda tęczowych tablic.
9. Komputery kwantowe. Kwantowa QFT. Algorytm faktoryzacji liczb Shora.
10. Kody korygujące błędy. Kody typu: BCH , Reeda-Salomona, oraz Reeda-
Mullera.
11. Architektura koderów i dekoderów BCH i RS.
12. Bezpieczeństwo obliczeń w chmurze. FHE, Kryptografia na kratach, NTRU.
13. Implementacja tablic routingu z wykorzystaniem struktur LC-trie.
14. Systemy IDS. Wyszukiwanie wzorców: automaty, KMP, Aho-Corasica, KR,
filtry Blooma.
15. Metody formalnej weryfikacji. Logiki temporalne: LTL, CTL. Problemy
NPC, SAT-solvery.
Zakres projektu:
Projekt programowo-sprzętowy, a w tym:
1. Analiza wstępna: precyzyjne wskazanie i definicja badanego problemu,
krytyczna analiza istniejących, aktualnych otwartych i komercyjnych jego
rozwiązań (programowych, sprzętowych i mieszanych),
2. Opracowanie wstępnego prototypu rozwiązania, na przykład stworzenie
modelu symulacyjnego (w środowisku Matlab lub programowo),
3. Projekt i implementacja programowo-sprzętowa, uruchomienie na
wybranych platformach sprzętowych,
4. Testowanie, z wykorzystanie modelu symulacyjnego,
5. Dokumentacja projektu, opis: problemu i jego rozwiązania, oraz testowania,
6. Krytyczną analizę uzyskanych wyników.
Uwagi realizacyjne:
- Część 1 projektu jest przedstawiana w pierwszym miesiącu semestru,
- Część 2 projektu jest przedstawiana w drugim miesiącu semestru,
- Części 3 i 4 projektu są prezentowane przed końcem semestru,
- Części 5 i 6 projektu są prezentowane w czasie egzaminu końcowego.
Metody oceny Sprawdzanie założonych efektów kształcenia realizowane jest przez:
- ocenę wiedzy i umiejętności wykazanych na egzaminie ustnym (o charakterze
problemowym) oraz ocenę wyników prac wykonanych na laboratoriach (w tym
sprawozdań),
- ocenę wiedzy i umiejętności związanych z realizacją zadań projektowych – ocenę
sprawozdań z realizacji projektu, w tym poszczególnych zadań projektowych,
- formatywną ocenę związaną z aktywnością studenta podczas powyżej
wymienionych zajęć.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 35.
Egzamin Tak
Literatura Zbiór aktualnych materiałów (pliki w formacie pdf):
- w zakresie tematyki omawianej podczas wykładu, oraz
- związanych merytorycznie z projektem.
Książki:
[1] Ch. Swenson: Modern Cryptanalysis, Wiley;
[2] T. W. Cusick, P. Stanica: Cryptographic Boolean Functions and Applications,
Acad. Press;
[3] R. E. Blahut: Cryptography and Secure Communication, Cambridge Univ. Press;
[4] Ç. K. Koc (Ed.): Cryptographic Engineering, Springer;
[5] F. Rodríguez-Henríquez, N. A. Saqib, A. Díaz-Pérez and Ç. K. Koç:
Cryptographic Algorithms on Reconfigurable Hardware, Springer;
Oprogramowanie:
Środowiska:
- Cryptool (patrz portal: https://www.cryptool.org/en/),
94
- Sage (http://www.sagemath.org),
- Magma (http://magma.maths.usyd.edu.au/magma/),
- oraz język: Cryptol firmy Galois (galois.com).
Dla osób które będą zainteresowane implementacją sprzętową rozważanych
algorytmów dostępne będą środowiska firmy Intel-Altera: Quartus i OpenCL.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 5
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe –67 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 15 h
c) obecność na projekcie – 15 h
d) konsultacje – 5 h
e) obecność na egzaminie – 2 h
2. praca własna studenta – 68 h; w tym
a) przygotowanie do kolejnych wykładów i realizacji projektu (przejrzenie
materiałów z wykładu i dodatkowej literatury, próba rozwiązania problemów
sformułowanych na wykładzie) – 5 h
b) opracowanie sprawozdań z zajęć laboratoryjnych – 10 h
c) realizacja zadań projektowych ,(obejmuje także zainstalowanie
oprogramowania i opanowanie umiejętności jego wykorzystania do realizacji
projektu oraz przygotowanie kolejnych sprawozdań) – 35 h
d) zapoznanie się z literaturą – 8 h
e) przygotowanie do egzaminu (rozwiązywanie zadań przedegzaminacyjnych) –
10 h
Razem 135 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 15 h
c) obecność na projekcie – 15 h
d) konsultacje – 5 h
e) obecność na egzaminie – 2 h
Razem 67 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 15 h
b) obecność na projekcie – 15 h
c) konsultacje – 5 h
d) opracowanie sprawozdań z zajęć laboratoryjnych – 10 h
e) realizacja zadań projektowych ,(obejmuje także zainstalowanie oprogramowania
i opanowanie umiejętności jego wykorzystania do realizacji projektu oraz
przygotowanie kolejnych sprawozdań) – 35 h
Razem 80h, co odpowiada 3 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 35: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie
do efektów
kierunkowych
Weryfikacja osiągnięcia efektu
WIEDZA
W01
Zna najważniejsze algorytmy
wykorzystywane w ochronie informacji.
Rozumie ich strukturę i budowę.
Realizowana jest przez:
- ocenę wiedzy i umiejętności
wykazanych na egzaminie ustnym
(o charakterze
problemowym)
oraz
- ocenę wyników prac wykonanych
na laboratoriach (w tym sprawozdań)
- formatywną ocenę związaną z
aktywnością studenta podczas
95
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie
do efektów
kierunkowych
Weryfikacja osiągnięcia efektu
powyżej wymienionych zajęć.
W02
Zna miary, kryteria: bezpieczeństwa
i złożoności algorytmów
wykorzystywanych w ochronie informacji.
Realizowana jest przez:
- ocenę wiedzy i umiejętności
wykazanych na egzaminie ustnym
(o charakterze
problemowym)
oraz
- ocenę wyników prac wykonanych
na laboratoriach (w tym sprawozdań)
- formatywną ocenę związaną z
aktywnością studenta podczas
powyżej wymienionych zajęć.
UMIEJĘTNOŚCI
U01
Umie przeanalizować strukturę,
złożoności i bezpieczeństwo danego
algorytmów wykorzystywanego w
obszarze ochronie informacji
Ocena projektu, w tym:
ocenę wiedzy i umiejętności
związanych z realizacją zadań
projektowych oraz ocenę
sprawozdań z realizacji projektu,
części: 1, 2, 3, 4, 5, 6
U02
Umie pozyskiwać informacje z literatury
(głównie anglojęzycznej) dotyczące
wybranych zagadnień na temat projektu
oraz zdefiniować problem badawczy.
Ocena projektu część: 1
opis jw.
U03
Umie zaprojektować rozwiązanie
sformułowanego problemu oraz
zaplanować projekt i go zrealizować.
Ocena projektu części: 2, 3, 4
opis jw.
U04
Umie udokumentować w spójny sposób
projekt i dokonać krytycznej analizy oraz
sformułować prawidłowe wnioski .
Ocena projektu części: 5, 6
opis jw.
KOMPETENCJE SPOŁECZNE
K01 Potrafi pracować indywidualnie i w
zespole projektowym. Ocena projektu
K02
Ma świadomość metod projektowania i
oceny zabezpieczeń informacji oraz umie
to komunikować w grupie.
Ocena projektu
Opis przedmiotu
36. GEOMETRIA KLASYCZNA
Kod przedmiotu (USOS) 1120-MA000-LSP-0516
Nazwa przedmiotu
w polskim
Geometria klasyczna.
Nazwa przedmiotu
w angielskim
Classical Geometry.
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
96
Koordynator przedmiotu Dr Leszek Sidz
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6 (I stopień), 2,4 (drugi stopień)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
brak
Limit liczby studentów Liczba grup:
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Poznanie twierdzeń geometrii klasycznej oraz nabycie umiejętności zastosowania ich
w rozwiazywaniu zadań
Efekty kształcenia Patrz TABELA 36.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia Program przedmiotu:
1. Nierówność trójkąta.
2. Czworokąty wpisywalne i opisywalne.
3. Izometrie płaszczyzny.
4. Podobieństwa płaszczyzny.
5. Twierdzenia Apoloniusza, Menelausa, Cevy, Ptolemeusza.
6. Potęga punktu.
7. Inwersja.
8. Stożkowe.
Metody oceny Dwa kolokwia na ćwiczeniach – 40 pkt.
Egzamin 60 pkt.
Suma 100 pkt.
Oceny: trzy – 50 pkt., trzy i pół – 60 pkt., cztery – 70 pkt., cztery i pół – 80 pkt., pięć
– 90 pkt.
Przy zdobyciu z kolokiów x pkt > 30 pkt – zwolnienie z egzaminu z liczbą pkt x+20.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 36.
Egzamin Tak
Literatura 1. Coxeter H.M.S., Wstęp do geometrii dawnej i nowej, PWN Warszawa 1967.
2. Zydler J., Geometria , Prószyński i S-ka, Warszawa 1997.
3. Prasołow, Planimetria ( ros., ang.).
4. Doman R. , Wykłady z geometrii elementarnej, Wyd. Naukowe UAM Poznań
1998.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 45 h; w tym
a) przygotowanie do ćwiczeń i kolokwium – 20 h
b) zapoznanie się z literaturą – 10 h
97
c) przygotowanie do egzaminu – 15 h
Razem 110 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
Tabela 36: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Znajomość podstawowych twierdzeń geometrii. ML_W16 Egzamin
UMIEJĘTNOŚCI
U01 Potrafi określić kierunki dalszego uczenia się oraz zrealizować
proces samokształcenia. M2_U02 Kolokwium
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę ucznia się przez całe życie. ML_KS01 Kolokwium
Opis przedmiotu
37. WYBRANE ZAGADNIENIA STATYSTYKI MATEMATYCZNEJ
Kod przedmiotu (USOS) 1120-MA000-NSP-0545
Nazwa przedmiotu
w polskim Wybrane zagadnienia statystyki matematycznej
Nazwa przedmiotu
w angielskim Selected Problems of Mathematical Statistics
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność Statystyka matematyczna i analiza danych
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Andrzej Sierociński
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 2 lub 4
98
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Rachunek prawdopodobieństwa, statystyka matematyczna
Limit liczby studentów Liczba grup: 1 – 2
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Zapoznanie z elementami analizy sekwencyjnej: sekwencyjnym testem ilorazowym,
jego uogólnieniami oraz estymacją sekwencyjną.
Statystyczne sterowanie procesem (SSP): podstawowe karty kontrolne, badanie
zdolności procesu oraz praktyczne analizowanie procesu pod kątem występowania
sygnałów rozregulowania.
Efekty kształcenia Patrz TABELA 37.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 15
Projekt 0
Treści kształcenia I. ELEMENTY ANALIZY SEKWENCYJNEJ
1. Postępowanie sekwencyjne: sformułowanie zadania, dwustopniowa
procedura statystycznej kontroli jakości Dodge'a i Rominga.
2. Sekwencyjny test ilorazowy SPRT i jego własności: funkcje OC i ASN,
lemat Walda, podstawowa tożsamość analizy sekwencyjnej, własność
optymalności SPRT.
3. Zastosowania SPRT do testowania hipotez parametrycznych: rozkład
dwupunktowy, Poissona, normalny i wykładniczy, problem wyznaczania
funkcji OC i ASN.
4. Metoda funkcji wagowych Walda: sekwencyjny test 2 i t-Studenta.
5. Estymacja stałoprecyzyjna: procedura Steina, problem estymacji wartości
oczekiwanej w rozkładzie normalnym, estymacja stałoprecyzyjna wartości
maksymalnej ograniczonej zmiennej losowej, asymptotyczna teoria Chowa i
Robinsa.
II. STATYSTYCZNE STEROWANIE PROCESEM
1. Statystyczne sterowanie procesem: zasada Pareta, czternaście punktów
Deminga.
2. Karty kontrolne oparte na ocenach alternatywnych.
3. Karty kontrolne wartości średniej i odchylenia standardowego.
4. Metody sekwencyjne: test sum skumulowanych CUSUM, karta kontrolna
CUSUM Shewharta, Test CUSUM oparty na ocenach alternatywnych.
5. Karty kontrolne wielowymiarowe.
Metody oceny Uczestnictwo w laboratorium – zaliczenie co najmniej 6 z 7 ćwiczeń, sprawozdania z
wybranych ćwiczeń oraz ustny lub pisemny sprawdzian teoretyczny.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 37.
Egzamin Nie
Literatura [1] G. B. Wetherill - Sequential Methods in Statistics, Chapman & Hall, London
1986
[2] T. Marek, Cz. Noworol - Analiza sekwencyjna w badaniach empirycznych,
PWN, Warszawa 1987.
[3] J. R. Thompson, J. Koronacki - Statystyczne sterowanie procesem, Akademicka
Oficyna Wydawnicza PLJ, Warszawa 1994.
Witryna www przedmiotu ftp /home2/samba/sierocinskia/Public/WZSM
D. Nakład pracy studenta
Liczba punktów ECTS 3
99
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 50 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 15 h
c) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do laboratoriów i do sprawdzianu praktycznego – 25 h
b) zapoznanie się z literaturą – 5 h
c) przygotowanie do sprawdzianu teoretycznego – 10 h
Razem 100 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 15 h
c) konsultacje – 5 h
Razem 50 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na laboratoriach – 15 h
b) przygotowanie do laboratoriów i do sprawdzianu praktycznego – 25 h
Razem 40 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 37: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma pogłębioną wiedzę dotyczącą modeli statystycznych. M2_W01 Sprawdzian
teoretyczny ustny
W02
Zna metody konstruowania testów sekwencyjnych hipotez
prostych i złożonych oraz podstawy estymacji
stałoprecyzyjnej.
Sprawdzian
teoretyczny ustny
Sprawozdania z
laboratoriów
W03 Zna podstawowe karty kontrolne wykorzystywane
w statystycznym sterowaniu procesem (SSP).
Sprawozdania z
laboratoriów
UMIEJĘTNOŚCI
U01
Umie generować próbki pseudolosowe z różnych rozkładów
prawdopodobieństwa oraz modelować różnego typu
zaburzenia losowe badanego procesu.
SMAD_W04 Sprawozdania z
laboratoriów
U02
Umie samodzielnie skonstruować dla danego modelu
sekwencyjny test ilorazowy oraz wyznaczyć jego
charakterystyki: funkcję OC i ASN
Sprawozdania z
laboratoriów
U03 Umie samodzielnie przeanalizować proces pod kątem jego
zdolności oraz występowania sygnałów rozregulowania.
Sprawozdania z
laboratoriów
KOMPETENCJE SPOŁECZNE
K01 Potrafi współdziałać i pracować w zespole przyjmując w
nim różne role. SMAD_K01
Udział w ćw.
laboratoryjnych
K02
Rozumie społeczne aspekty praktycznego stosowania
zdobytej wiedzy i umiejętności oraz związanej z tym
odpowiedzialności.
M2_K01 Udział w ćw.
laboratoryjnych
Opis przedmiotu
38. TEORIA SYGNAŁÓW I SYSTEMÓW
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Teoria sygnałów i systemów
100
Nazwa przedmiotu
w angielskim
Signal and system theory
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr hab. inż. Kajetana Marta Snopek
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 6 (st. I stopnia) / 2, 4 (st. II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Studenci powinni mieć zaliczone przedmioty Analiza matematyczna I-III oraz
Analiza zespolona I Zalecane jest też uczestnictwo w zajęciach Równania różniczkowe zwyczajne
Limit liczby studentów Liczba grup: 2
Ćwiczenia – 30 os. /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zapoznanie studentów z elementarną teorią sygnałów i
systemów czasu ciągłego oraz dyskretnego oraz jej aspektami praktycznymi, takimi
jak filtracja i próbkowanie. Przedmiot stanowi punkt wyjścia do studiowania bardziej
zaawansowanych metod analizy i przetwarzania sygnałów.
Efekty kształcenia Patrz TABELA 38.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia WYKŁAD:
1. Wprowadzenie do teorii sygnałów. Źródła i klasyfikacja sygnałów. Podstawowe
parametry i operacje na sygnałach. Funkcja autokorelacji, korelacji wzajemnej i
splot.
2. Wprowadzenie do teorii systemów. Cechy systemów. Równania "wejście-
wyjście" oraz równania stanu. Odpowiedź jednostkowa i impulsowa. Elementy
schematów blokowych systemów. Systemy złożone – połączenie szeregowe,
równoległe i ze sprzężeniem zwrotnym.
3. Przypomnienie wiadomości o trygonometrycznym i zespolonym szeregu
Fouriera. Widmo amplitudowe, fazowe, mocy. Twierdzenie Parsevala dla
sygnałów okresowych. Synteza fourierowska – efekt Gibbsa.
4. Przypomnienie wiadomości o całkowym przekształceniu Fouriera. Twierdzenie
Plancherela i Wienera-Chinczyna. Związek z zespolonym szeregiem Fouriera.
Związek z przekształceniem Laplace’a.
5. Przekształcenie Fouriera i jednostronne przekształcenie Laplace’a w analizie
systemów czasu ciągłego - filtracja analogowa idealna i rzeczywista.
Transmitancja operatorowa i częstotliwościowa. Charakterystyka amplitudowa
i fazowa systemu analogowego. Transmitancja systemów złożonych.
101
6. Próbkowanie sygnałów. Widmo sygnału spróbkowanego. Odtwarzanie sygnału z
próbek. Układy próbkująco-pamiętające. Aliasing i filtracja antyaliasingowa.
7. Przekształcenie Fouriera sygnałów czasu dyskretnego (DTFT). Wykorzystanie
DTFT w analizie systemów czasu dyskretnego - filtracja idealna i rzeczywista.
Transmitancja częstotliwościowa. Charakterystyka amplitudowa i fazowa systemu
cyfrowego.
8. Dyskretne przekształcenie Fouriera (DFT). Algorytm FFT.
9. Jednostronne przekształcenie Z. Związek DTFT z przekształceniem Z.
Przekształcenie Z w analizie systemów czasu dyskretnego. Transmitancja
systemów złożonych.
ĆWICZENIA:
1. Rysowanie wykresów sygnałów czasu ciągłego i dyskretnego. Obliczanie
parametrów sygnałów. Wyznaczanie splotu, funkcji autokorelacji i korelacji
wzajemnej metodami graficznymi.
2. Badanie cech systemów. Rysowanie schematów blokowych. Wyznaczanie
odpowiedzi impulsowej i jednostkowej oraz odpowiedzi na dowolne pobudzenie
w dziedzinie czasu.
3. Wyznaczanie rozwinięć w szereg trygonometryczny i zespolony Fouriera.
Rysowanie widma amplitudowego i fazowego. Obliczanie mocy sygnału z
twierdzenia Parsevala. Synteza fourierowska.
4. Praktyczne wykorzystanie własności przekształcenia Fouriera. Wyznaczanie i
rysowanie widma fourierowskiego sygnałów czasu ciągłego. Ilustracja
użyteczności twierdzenia Plancherela oraz Wienera-Chinczyna oraz związków
pomiędzy przekształceniem Fouriera a zespolonym szeregiem Fouriera.
5. Wyznaczanie odpowiedzi filtru analogowego na dowolne pobudzenie.
Wyznaczanie i rysowanie charakterystyk czasowych i częstotliwościowych.
Rozwiązywanie równań systemu z wykorzystaniem przekształcenia Fouriera i
jednostronnego przekształcenia Laplace’a.
6. Wyznaczanie częstotliwości Nyquista i widma sygnału spróbkowanego
(próbkowanie idealne i rzeczywiste). Ilustracja zjawiska aliasingu
częstotliwościowego. Odtwarzanie sygnału analogowego z ciągu próbek.
7. Wyznaczanie widma sygnałów czasu dyskretnego (DTFT i DFT) oraz
charakterystyk czasowych i częstotliwościowych systemów czasu dyskretnego,
8. Wyznaczanie odpowiedzi filtru cyfrowego na dowolne pobudzenie.
Rozwiązywanie równań filtrów cyfrowych z wykorzystaniem jednostronnego
przekształcenia Z.
Metody oceny Ocena wystawiona będzie według standardowej skali procentowej na podstawie
dwóch kolokwiów (2 x 25 punktów)
Metody sprawdzania efektów
kształcenia
Patrz TABELA 38.
Egzamin Nie
Literatura 1. J. Wojciechowski, „Sygnały i systemy”, WKiŁ, Warszawa 2008.
2. K.M. Snopek, J.M. Wojciechowski, „Sygnały i systemy – zbiór zadań”, Oficyna
Wydawnicza PW, Warszawa 2010.
3. J. Szabatin, „Podstawy teorii sygnałów”, WKiŁ, Warszawa 2000.
Witryna www przedmiotu https://www.ire.pw.edu.pl/~ksnopek/TSiS
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 40 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 25 h
b) zapoznanie się z literaturą – 15 h
Razem 105 h, co odpowiada 4 pkt. ECTS
102
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
d) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) obecność na ćwiczeniach – 30 h
b) przygotowanie do ćwiczeń i do kolokwiów – 25 h
Razem 55 h, co odpowiada 2 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 38: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 ma podstawową wiedzę na temat badania właściwości sygnałów
w dziedzinie czasu i częstotliwości ML_W33 Kolokwium
W02 ma podstawową wiedzę na temat próbkowania i filtracji
sygnałów ML_W33 Kolokwium
W03 ma podstawową wiedzę na temat wyznaczania charakterystyk
czasowych i częstotliwościowych systemów liniowych ML_W33 Kolokwium
UMIEJĘTNOŚCI
U01 potrafi wykorzystać do formułowania i rozwiązywania zadań
inżynierskich metody analityczne
ML_U03
ML_U05
ML_U09
Kolokwium
U02 potrafi pozyskiwać informacje z literatury z zakresu teorii
sygnałów i systemów ML_U31 Kolokwium
Opis przedmiotu
39. WYBRANE ZAGADNIENIA GEOMETRII ZBIORÓW WYPUKŁYCH
Kod przedmiotu (USOS) 1120-MA000-LSP-0542
Nazwa przedmiotu
w polskim
Wybrane zagadnienia geometrii zbiorów wypukłych
Nazwa przedmiotu
w angielskim
Selected Topics in Convex Sets Geometry
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Grzegorz Sójka
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
103
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6 (studia I stopnia), 2, 4 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Topologia
Limit liczby studentów Liczba grup:
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Wykład ma być przeglądem wybranych pojęć związanych z klasą zwartych,
wypukłych podzbiorów n-wymiarowej przestrzeni Euklidesowej (np. suma
Minkowskiego zbiorów oraz metryka Hausdorffa). Istotną częścią będą zagadnienia
związane z wielościanami takie jak charakterystyka Eulera-Poincarè. Dla dowolnego
n-wymiarowego wielościanu P jeśli uwzględnimy wszystkie ściany z niewłaściwymi
włącznie (wraz z ścianą pustą wymiaru -1 i całym wielościanem ściana n-
wymiarowa) to okaże się, że liczba wszystkich ścian wymiarów nieparzystych jest
taka sama jak liczba wszystkich ścian wymiarów parzystych (trójkąt: 1+3=3+1,
czworościan: 1+6+1=4+4, sześcian: 1+12+1=8+6, kostka 4-ro wymiarowa:
1+32+8=16+24+8, sympleks 5-cio wymiarowy: 1+15+15+1=6+20+6, itd).
Zilustrowana zostanie rola wielościanów nie tylko w geometrii (poprzez dowód tego,
że dla dowolnych n-wymiarowych zbiorów wypukłych zwartych jeśli A zawarte jest
w B to (n-1)-wymiarowe pole powierzchni zbioru A jest nie większe od pola B), ale
także w rozwiązywaniu problemów optymalizacyjnych takich jak problem
komiwojażera.
Efekty kształcenia Patrz TABELA 39.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia I. Podstawowe pojęcia i ich własności.
Wypukłość, kombinacja wypukła, uwypuklenie i jego własności, Tw.
Caratheodory'ego. Funkcja podpierająca i hiperpłaszczyzna podpierająca. Punkty
ekstremalne i eksponowane. Wymiar zbioru wypukłego. Tw. Helly.
II. Dodawanie Minkowskiego.
Wypukłość sumy Minkowskiego, zachowywanie inkluzji, prawo skracania, itp.
Otoczka wypukła.
III. Metryka Hausdorffa.
Definicja, własności topologiczne (zupełność, skończona zwartość) przestrzeni
zbiorów zwartych/ wypukłych zwartych/ciał wypukłych z metryką Hausdorffa.
IV. Wielościany.
Definicja wielościanów geometrycznych (polyhedron) i wypukłych (polytope).
Ściany k-wymiarowe, f-wektor i jego własności (takie jak charakterystyka Eulera-
Poincarè). Aproksymacja zbiorów wypukłych przez wielościany. Ośrodkowość
klasy ciał wypukłych.
V. Funkcjonały na klasie ciał wypukłych.
Funkcjonały niezmiennicze (ze względu na grupę izometrii), waluacje.
Monotoniczność. Liniowość zbioru waluacji. Tw o przedłużaniu funkcjonałów
określonych na wielościanach na wszystkie zbiory wypukłe. Funkcjonały bazowe
dla wielościanów. Jednorodność, niezmienniczość i monotoniczność
funkcjonałów bazowych. Przedłużenie funkcjonałów bazowych na klasę ciał
wypukłych. Tw. Steinera o objętości otoczki wypukłej.
VI. Tw. Hadwigera o funkcjonałach.
VII. Wielościany i programowanie liniowe (dla geometrów!).
Co to jest „programowanie liniowe”. Przykłady zastosowań (np. problem komi-
wojażera). Algorytm sympleks. Kombinatoryczna średnica wielościanu i hipote-
za Hirscha.
104
Metody oceny Egzamin,
50% - 3.0; 60% - 3,5; 70% - 4.0; 80% - 4,5; 90% - 5.0.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 39.
Egzamin Tak
Literatura Literatura podstawowa: [1] Maria Moszyńska, Geometria zbiorów wypukłych, Wydawnictwo naukowo tech-
niczne, Warszawa 2001 (lub poprawiona i bardziej aktualna wersja anglojęzyczna:
Selected topics in convex geometry, Birkhauser, 2001)
Literatura uzupełniająca: [2] B. Grünbaum, Convex politopes, Springer, 2nd edition, 2003 (Revised)
[3] R. Schneider, Convex bodies: the Brun-Minkowski theory, Cambridge University
Press, 1993.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do ćwiczeń – 25 h
b) zapoznanie się z literaturą – 10 h
c) przygotowanie do egzaminu – 15 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
Tabela 39: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna wybrane twierdzenia geometrii wypukłej. Egzamin
UMIEJĘTNOŚCI
U01 Na podstawie uzyskanej wiedzy potrafi skonstruować dowody
prostych faktów oraz stwierdzeń. Egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę podnoszenia kompetencji zawodowych
i osobistych ML_KS05 Egzamin
Opis przedmiotu
40. LOGIKA
Kod przedmiotu (USOS) 1120-MA000-LSP-0523
105
Nazwa przedmiotu
w polskim
Logika
Nazwa przedmiotu
w angielskim
Logic
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Michał Stronkowski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 5 (I stopień), 1,3 (II stopień)
Usytuowanie realizacji w roku
akademickim
Semestr zimowy
Wymagania wstępne/
przedmioty poprzedzające
Elementy logiki i teorii mnogości
Limit liczby studentów Liczba grup:
Ćwiczenia – 30 os. /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Przedstawienie podstawowych zagadnień logiki matematycznej.
Efekty kształcenia Patrz TABELA 40.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 godzin
Ćwiczenia 30 godzin
Laboratoria 0
Projekt 0
Treści kształcenia 1. Logika zdaniowa:
a) Twierdzenie o zupełności,
b) Elementy teorii dowodu: naturalna dedukcja, rezolucje.
2. Logika pierwszego rzędu:
a) Twierdzenie o zupełności,
b) Elementy teorii dowodu: naturalna dedukcja.
c) Elementy programowania logicznego,
d) Elementy teorii modeli.
Metody oceny Na podstawie referatu, pracy pisemnej, aktywności podczas zajęć oraz sprawdzianu.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 40.
Egzamin Nie
Literatura 1. A Concise Introduction to Mathematical Logic, Wolfgang Rautenberg, Springer
2010.
2. Logic and Structure, Dirk van Dalen, Springer 2004.
3. Mathematical Logic for Computer Science, Mordechai Ben-Ari, Springer 2001.
Witryna www przedmiotu https://www.mini.pw.edu.pl/~stronkow/www/dydaktyka/dyd.html
106
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 45 h; w tym
a) przygotowanie do ćwiczeń i sprawdzianu – 20 h
b) zapoznanie się z literaturą – 15 h
c) przygotowanie referatu – 10 h
Razem 110 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
0 pt.
E. Informacje dodatkowe
Uwagi -
Tabela 40: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe pojęcia logiki matematycznej.
ML_W15
ML_W17
M2_W01
M2_W03
aktywność
na zajęciach,
sprawdzian,
referat
W02 Zna pojęcie dowodu.
ML_W15
M2_W01
M2_W03
aktywność
na zajęciach,
sprawdzian,
referat
W03 Zna pojęcie spełniania.
ML_W15
ML_W17
M2_W01
M2_W03
aktywność
na zajęciach,
sprawdzian,
referat
UMIEJĘTNOŚCI
U01 Umie przeprowadzać dowody matematyczne
ML_U14
ML_U31
M2_U01
sprawdzian,
aktywność
na zajęciach
U02 Umie prezentować wiedzę w sposób zrozumiały
ML_U14
ML_U31
M2_U01
M2_U02
referat,
aktywność
na zajęciach
U03 Umie korzystać z literatury
ML_U31
ML_U32
M2_U02
referat
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę prostego i ścisłego przekazywania wiedzy
ML_KS05
ML_KS07
M2_K01
referat,
aktywność
na zajęciach
K02 Rozumie potrzebę myślenia abstrakcyjnego i krytycznego ML_KS05
ML_KS07
aktywność
na zajęciach,
107
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
M2_K01 sprawdzian,
referat
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna podstawowe pojęcia logiki matematycznej. K_W01
SI_W09
aktywność
na zajęciach,
sprawdzian,
referat
W02 Zna pojęcie dowodu. K_W01
SI_W09
aktywność
na zajęciach,
sprawdzian,
referat
W03 Zna pojęcie spełniania. K_W01
SI_W09
aktywność
na zajęciach,
sprawdzian,
referat
UMIEJĘTNOŚCI
U01 Umie przeprowadzać dowody matematyczne
K_U01
K_U04
SI_U05
sprawdzian,
aktywność
na zajęciach
U02 Umie prezentować wiedzę w sposób zrozumiały
K_U01
K_U04
SI_U02
SI_U14
referat,
aktywność
na zajęciach
U03 Umie korzystać z literatury
K_U05
K_U07
SI_U03
referat
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę prostego i ścisłego przekazywania wiedzy K_K07
SI_K03
referat,
aktywność
na zajęciach
K02 Rozumie potrzebę myślenia abstrakcyjnego i krytycznego K_K06
SI_K05
aktywność
na zajęciach,
sprawdzian,
referat
Opis przedmiotu
41. ZAAWANSOWANE ALGORYTMY MATEMATYKI OBLICZENIOWEJ
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Zaawansowane Algorytmy Matematyki Obliczeniowej
Nazwa przedmiotu
w angielskim
Advanced Algorithms of Computational Mathematics
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
108
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr inż. Iwona Wróbel, dr Paweł Keller
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4,6 (studia I stopnia), 2,4 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Metody Numeryczne, Analiza Matematyczna, Algebra Liniowa, Równania
Różniczkowe
Limit liczby studentów Liczba grup: 1
Projekt – 12 os. /grupa
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Umiejętność samodzielnej analizy wyników naukowych oraz ich weryfikacji za
pomocą stworzonego kodu w języku programowania Matlab.
W ramach projektu student powinien zapoznać się z wybranymi publikacjami
naukowymi. Projekt obejmuje opracowanie, implementację komputerową oraz
wykonanie testów algorytmów zaproponowanych w tych publikacjach.
Efekty kształcenia Patrz TABELA 41.
Formy zajęć i ich wymiar
(semestralne)
Wykład 0
Ćwiczenia 0
Laboratorium 0
Projekt 30
Treści kształcenia Zapoznanie z wybranymi wyspecjalizowanymi algorytmami matematyki obliczenio-
wej.
Przykładowe zagadnienia:
Rozwiązywanie układów równań liniowych i nieliniowych. Interpolacja funkcji jed-
nej i wielu zmiennych. Całkowanie numeryczne. Aproksymacja średniokwadratowa.
Obliczanie wartości własnych i wektorów własnych macierzy. Zagadnienie począt-
kowe dla równań różniczkowych zwyczajnych. Szybka transformacja Fouriera (FFT)
i jej zastosowania numeryczne.. Uogólnione odwrotności macierzy.
Metody oceny Projekt obejmuje opracowanie, implementację komputerową oraz wykonanie testów
wybranych algorytmów.
Na zaliczenie przedmiotu składają się: program (0-50 pkt.) oraz sprawozdanie z pro-
jektu (0-50 pkt.), przy czym warunkiem uzyskania punktów ze sprawozdania jest
zdobycie co najmniej 25 punktów z projektu.
Ostateczna ocena z przedmiotu wynika z sumy uzyskanych punktów:
a) 51-60p – trzy,
b) 61-70p – trzy i pół,
c) 71-80p – cztery,
d) 81-90p – cztery i pół,
e) od 91p – pięć.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 41.
Egzamin Nie
109
Literatura 1. D. Kincaid, W. Cheney, Analiza numeryczna, WNT, Warszawa 2005.
2. P.M.Prenter, Splines and variational methods, J.Wiley Pub.,New York 1989.
3. G.Hammerlin, K-H. Hoffmann, Numerical Mathematics, Springer-Verlag 1991.
4. A.Krupowicz, Metody numeryczne zagadnień początkowych równań różniczko-
wych zwyczajnych, PWN, Warszawa 1986.
5. M.Dryja, J. i M. Jankowscy, Przegląd metod i algorytmów numerycznych cz. 2,
WNT, Warszawa 1988.
6. E.Kącki, Równania różniczkowe cząstkowe w zagadnieniach fizyki i techniki,
WNT, Warszawa 1995.
7. S.G.Michlin, C.L.Smolnicki, Metody przybliżone rozwiązywania równań różnicz-
kowych i całkowych, PWN, Warszawa 1970.
8. J. i M. Jankowscy, Przegląd metod i algorytmów numerycznych cz. 1, WNT, War-
szawa 1988.
9. A. Maćkiewicz, Algorytmy algebry liniowej. Metody bezpośrednie, Wyd. Poli-
techniki Poznańskiej, Poznań 2002.
10. G.Dahlquist, A.Björck, Metody numeryczne, PWN, Warszawa 1987 (wyd.2).
11. G. H. Golub, Ch. F. Van Loan, Matrix computations, 3rd ed., New Delhi: Hindu-
stan Book Agency, 2007.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 2
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 33 h; w tym
a) obecność na zajęciach projektowych – 30 h
b) konsultacje – 3 h
2. praca własna studenta – 27 h; w tym
a) przygotowanie projektu – 12 h
b) zapoznanie się z literaturą – 15 h
Razem 60 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
1. obecność na zajęciach projektowych – 30 h
2. konsultacje – 3 h
Razem 33 h, co odpowiada 1 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
1. obecność na zajęciach projektowych – 30 h
2. przygotowanie projektu – 10 h
Razem 40 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 41: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna wybrane wyspecjalizowane algorytmy matematyki
obliczeniowej.
ML_W19
ML_W20
ML_W22
ocena
punktowa
projektów
UMIEJĘTNOŚCI
U01
Posiada umiejętność samodzielnej analizy wyników naukowych
oraz ich weryfikacji za pomocą stworzonego kodu w języku
programowania Matlab.
ML_U18
ML_U23
ocena
punktowa
projektów
U02 Potrafi pozyskiwać informacje z literatury oraz innych źródeł,
dokonywać ich interpretacji oraz wyciągać wnioski. ML_U31
ocena
punktowa
projektów
KOMPETENCJE SPOŁECZNE
110
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
K01
Potrafi pracować indywidualnie, w tym także potrafi zarządzać
swoim czasem oraz podejmować zobowiązania i dotrzymywać
terminów.
ML_KS03
ocena
punktowa
projektów
Opis przedmiotu
42. MATEMATYKA (NIE)DYSKRETNA
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Matematyka (nie)dyskretna
Nazwa przedmiotu
w angielskim
(In)discrete mathematics
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu dr inż. Mariusz Zając
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 6 (I stopień), 2,4 (II stopień)
Usytuowanie realizacji w roku
akademickim
Semestr letni (1)
Wymagania wstępne/
przedmioty poprzedzające
Analiza zespolona, Rachunek prawdopodobieństwa
Limit liczby studentów Liczba grup:
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Przedstawienie związków kombinatoryki, a w mniejszym stopniu teorii grafów, z
innymi działami matematyki. Wychodząc od różnych interpretacji symbolu Newtona,
przedstawimy przykłady tożsamości kombinatorycznych, do których interpretacji i
dowodu okażą się przydatne również pojęcia spoza matematyki dyskretnej, a w
szczególności z analizy, rachunku prawdopodobieństwa lub algebry liniowej.
Efekty kształcenia Patrz TABELA 42.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30 h
Ćwiczenia 30 h
Laboratorium 0
Projekt 0
Treści kształcenia Przegląd znanych i wprowadzenie nowych interpretacji podstawowych funkcji
zmiennej naturalnej, jak silnia i symbol Newtona. Rozszerzenie ich definicji na zbiór
liczb rzeczywistych i zespolonych.
111
Funkcje hipergeometryczne jako uogólnienie silni i symbolu Newtona. Tożsamości
wykorzystujące funkcje hipergeometryczne.
Metody dowodzenia tożsamości – metoda siostry Celiny, metoda Gospera, metoda
Wilfa-Zeilbergera.
Zaawansowane ciągi rekurencyjne – wykorzystanie funkcji tworzących.
Funkcja tworząca momenty i funkcja charakterystyczna zmiennej losowej – ich za-
stosowania w kombinatoryce.
Metody oceny Trzy jednogodzinne kolokwia, oceniane w skali 0-15 pkt. Aktywność na ćwiczeniach
do 5 pkt.
Ocena: 5 od 45,5 do 50 pkt., 4,5 od 40,5 do pkt. itd. aż do oceny 3 od 25,5 do 30 pkt.
Możliwe dodatkowe punkty za opracowanie w domu interesujących zadań i zagad-
nień lub za przedstawienie szczególnie pomysłowego rozwiązania.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 42.
Egzamin Tak
Literatura 1. Graham R. L., Knuth D. E., Patashnik O.: Matematyka konkretna. PWN, Warsza-
wa, 1996.
2. Petkovsek, M., Wilf, H. S., Zeilberger, D.: A = B, A. K. Peters, Wellesley, 1996
(dostępna jest także pełna wersja elektroniczna)
3. Wilf, H. S.: generatingfunctionology, Academic Press, Inc. 1994 (dostępna jest
także pełna wersja elektroniczna)
Witryna www przedmiotu www.mini.pw.edu.pl/~zajac/mnd
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 68 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) obecność na egzaminie – 3 h
d) konsultacje – 5 h
2. praca własna studenta – 47 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 20 h
b) zapoznanie się z literaturą – 12 h
c) przygotowanie do egzaminu – 15 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) obecność na egzaminie – 3 h
d) konsultacje – 5 h
Razem 68 h, co odpowiada 3 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
Tabela 42: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna różne metody dowodzenia tożsamości kombinatorycznych ML_W15 kolokwium
W02 Zna twierdzenia analizy rzeczywistej i zespolonej przydatne w
matematyce dyskretnej
ML_W01
ML_W11 kolokwium
W03 Zna fakty z zakresu rachunku prawdopodobieństwa przydatne w
matematyce dyskretnej ML_W30 kolokwium
112
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
UMIEJĘTNOŚCI
U01 Wykazuje proste tożsamości kombinatoryczne różnymi
metodami ML_U15 kolokwium
U02 Stosuje analityczne aspekty teorii funkcji tworzących do
zliczania obiektów kombinatorycznych
ML_U04
ML_U09 kolokwium
U03 Umie odnosić parametry zmiennych losowych do zagadnień
kombinatorycznych ML_U25 kolokwium
KOMPETENCJE SPOŁECZNE
K01 Umie wybrać właściwe podejście do problemu spośród wielu
potencjalnie dostępnych ML_KS03
kolokwium,
prace
domowe
Opis przedmiotu
43. ELEMENTY TEORII OBLICZALNOŚCI I METAMATEMATYKI
Kod przedmiotu (USOS) 1120-MA000-LSP-0514
Nazwa przedmiotu
w polskim
Elementy teorii obliczalności i metamatematyki
Nazwa przedmiotu
w angielskim
Elements of computability theory and metamathematics
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Anna Zamojska-Dzienio
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 4, 6 (studia I stopnia), 2 i 4 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
Elementy logiki i teorii mnogości
Limit liczby studentów Liczba grup: 2
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest wprowadzenie do teorii obliczalności, a następnie
zaprezentowanie dowodu twierdzenia Gödla o niezupełności z użyciem funkcji
rekurencyjnych.
Efekty kształcenia Patrz TABELA 43
113
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia Materiał obejmuje następujące zagadnienia:
1. Rachunek predykatów.
2. Maszyny Shoenfielda.
3. Funkcje częściowo rekurencyjne.
4. Zbiory rekurencyjne i rekurencyjnie przeliczalne.
5. Numeracje Kleenego i Posta.
6. Teorie aksjomatyczne.
7. Arytmetyka liczb naturalnych.
8. Twierdzenie Gödla o niezupełności.
Program ćwiczeń obejmuje praktyczne rozwiązywanie zadań związanych z tematami
poruszanymi na wykładzie. Dodatkowo na ćwiczeniach zostaną omówione maszyny
Turinga.
Metody oceny Zaliczenie przedmiotu na podstawie dwóch 90-minutowych sprawdzianów w ciągu
semestru - pytania teoretyczne dotyczące wiedzy podawanej podczas wykładów oraz
zadania do samodzielnego rozwiązania analogiczne do zadań rozwiązywanych na
ćwiczeniach. Maksymalna liczba punktów do zdobycia na każdym kolokwium: 40.
Do punktów uzyskanych na kolokwiach doliczane będą punkty dodatkowe uzyskane
za aktywność na ćwiczeniach (0-20 punktów). Zdobycie w sumie 51 punktów ozna-
cza zaliczenie ćwiczeń i wykładu.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 43.
Egzamin Nie
Literatura 1. R.Murawski, Funkcje rekurencyjne i elementy metamatematyki, Wydawnictwo
Naukowe UAM, Poznań
2. I.A.Ławrow, Ł.L.Maksimowa, Zadania z teorii mnogości, logiki matematycznej i
teorii algorytmów, Wydawnictwo Naukowe PWN
3. M.Moczurad, Wybrane zagadnienia z teorii rekursji, Wydawnictwo
Uniwersytetu Jagiellońskiego, 2002
Witryna www przedmiotu http://mini.pw.edu.pl/~azamojsk/etom.html
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach –30 h
b) obecność na ćwiczeniach –30h
c) konsultacje –5 h
2. praca własna studenta – 45 h; w tym
a) przygotowanie do ćwiczeń i do kolokwiów – 35 h
b) zapoznanie się z literaturą – 10 h
Razem 110 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
-
E. Informacje dodatkowe
Uwagi -
114
Tabela 43: EFEKTY KSZTAŁCENIA
Dla kierunku Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna rachunek predykatów, paradygmaty dowodzenia
(Hilbertowski system dowodzenia).i MLW15
Aktywność na
ćwiczeniach,
kolokwium 1
W02 Zna jedną z wielu równoważnych formalizacji pojęcia
obliczalności.
MLW22,
MNI_W11
Aktywność na
ćwiczeniach,
kolokwium 1
W03 Ma ogólne pojęcie o idei kodowania złożonych struktur
danych liczbami naturalnymi.
MLW22,
MNI_W11
Aktywność na
ćwiczeniach,
kolokwium 1
W04 Ma świadomość ograniczeń informatyki, zna podstawowe
przykłady problemów nierozstrzygalnych.
MLW22,
MNI_W11
Aktywność na
ćwiczeniach,
kolokwium 2
W05
Ma świadomość, że metodami informatyki można
wyodrębnić interesujące klasy podzbiorów zbioru liczb
naturalnych.
MLW22,
MNI_W11
Aktywność na
ćwiczeniach,
kolokwium 2
W06 Zna podstawowe pojęcia związane z teoriami
aksjomatycznymi oraz arytmetykę Peano. MLW15
Aktywność na
ćwiczeniach,
kolokwium 2
W07 Zna Twierdzenie Gödla o niezupełności. Rozumie jego
znaczenie. MLW15
Aktywność na
ćwiczeniach,
kolokwium 2
UMIEJĘTNOŚCI
U01
Umie podać interpretację, przy której zdanie jest prawdziwe
lub fałszywe, dowodzić prawdziwości tautologii rachunku
predykatów z wykorzystaniem Hilbertowskiego systemu
dowodzenia.
ML_U14,
MNI_U01
Aktywność na
ćwiczeniach,
kolokwium 1
U02 Umie programować w prostym teoretycznym języku
programowania.
ML_U14,
MNI_U01
Aktywność na
ćwiczeniach,
kolokwium 1
U03
Potrafi zastosować w praktyce dwa fundamentalne
twierdzenia teorii rekursji: twierdzenie o funkcji
uniwersalnej i twierdzenie o parametryzacji.
ML_U14,
MNI_U01
Aktywność na
ćwiczeniach,
kolokwium 2
U04
Umie w konkretnych prostych sytuacjach pokazać, że dany
podzbiór zbioru liczb naturalnych jest lub nie jest
rekurencyjnie przeliczalny [rekurencyjny].
ML_U14,
MNI_U01
Aktywność na
ćwiczeniach,
kolokwium 2
U05
Umie w prostych przypadkach sprawdzić, czy formuła jest
twierdzeniem teorii Peano, lub czy nie jest z niej
wyprowadzalna.
ML_U14,
MNI_U01
Aktywność na
ćwiczeniach,
kolokwium 2
KOMPETENCJE SPOŁECZNE
K01 Zna ograniczenia własnej wiedzy i rozumie potrzebę
dalszego kształcenia
ML_KS01,
MNI_K03
K02
Docenia rolę matematyki w precyzyjnym formułowaniu i
rozwiązywaniu problemów związanych z podstawami
informatyki
ML_KS01,
MNI_K03
K03
Ma świadomość, że studiowanie każdej dyscypliny
naukowej (na poziomie akademickim) to także zdobywanie
elementarnych informacji o jej metateorii
ML_KS01,
MNI_K03
115
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Zna rachunek predykatów, paradygmaty dowodzenia
(Hilbertowski system dowodzenia).i
K_W01,
SI_W09
Aktywność na
ćwiczeniach,
kolokwium 1
W02 Zna jedną z wielu równoważnych formalizacji pojęcia
obliczalności.
K_W07,
SI_W09
Aktywność na
ćwiczeniach,
kolokwium 1
W03 Ma ogólne pojęcie o idei kodowania złożonych struktur
danych liczbami naturalnymi.
K_W01,
K_W07,
SI_W09
Aktywność na
ćwiczeniach,
kolokwium 1
W04 Ma świadomość ograniczeń informatyki, zna podstawowe
przykłady problemów nierozstrzygalnych.
K_W07,
SI_W09
Aktywność na
ćwiczeniach,
kolokwium 2
W05
Ma świadomość, że metodami informatyki można
wyodrębnić interesujące klasy podzbiorów zbioru liczb
naturalnych.
K_W01,
SI_W09
Aktywność na
ćwiczeniach,
kolokwium 2
W06 Zna podstawowe pojęcia związane z teoriami
aksjomatycznymi oraz arytmetykę Peano.
K_W01,
SI_W09
Aktywność na
ćwiczeniach,
kolokwium 2
W07 Zna Twierdzenie Gödla o niezupełności. Rozumie jego
znaczenie.
K_W01,
SI_W09
Aktywność na
ćwiczeniach,
kolokwium 2
UMIEJĘTNOŚCI
U01
Umie podać interpretację, przy której zdanie jest prawdziwe
lub fałszywe, dowodzić prawdziwości tautologii rachunku
predykatów z wykorzystaniem Hilbertowskiego systemu
dowodzenia.
K_U01, SI_U05
Aktywność na
ćwiczeniach,
kolokwium 1
U02 Umie programować w prostym teoretycznym języku
programowania.
K_U01, K_U02,
K_U23, SI_U05
Aktywność na
ćwiczeniach,
kolokwium 1
U03
Potrafi zastosować w praktyce dwa fundamentalne
twierdzenia teorii rekursji: twierdzenie o funkcji
uniwersalnej i twierdzenie o parametryzacji.
K_U01, SI_U05
Aktywność na
ćwiczeniach,
kolokwium 2
U04
Umie w konkretnych prostych sytuacjach pokazać, że dany
podzbiór zbioru liczb naturalnych jest lub nie jest
rekurencyjnie przeliczalny [rekurencyjny].
K_U01,
SI_U05,
SI_U17
Aktywność na
ćwiczeniach,
kolokwium 2
U05
Umie w prostych przypadkach sprawdzić, czy formuła jest
twierdzeniem teorii Peano, lub czy nie jest z niej
wyprowadzalna.
K_U02, SI_U05
Aktywność na
ćwiczeniach,
kolokwium 2
KOMPETENCJE SPOŁECZNE
K01 Zna ograniczenia własnej wiedzy i rozumie potrzebę
dalszego kształcenia K_K02, SI_K01
K02
Docenia rolę matematyki w precyzyjnym formułowaniu i
rozwiązywaniu problemów związanych z podstawami
informatyki
K_K02, K_K07,
SI_K06
K03
Ma świadomość, że studiowanie każdej dyscypliny
naukowej (na poziomie akademickim) to także zdobywanie
elementarnych informacji o jej metateorii
K_K02, K_K07,
SI_K06
116
Opis przedmiotu
44. TEORIA GALOIS
Kod przedmiotu (USOS) 1120-MA000-LSP-0640
Nazwa przedmiotu
w polskim
Teoria Galois
Nazwa przedmiotu
w angielskim
Galois Theory
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr hab. Michał Ziembowski, prof. PW
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 6 (studia I stopnia), 2,4 (studia II stopnia)
Usytuowanie realizacji w roku
akademickim
Semestr letni
Wymagania wstępne/ przed-
mioty poprzedzające
1. Algebra liniowa z geometrią
2. Algebra i jej zastosowania
Limit liczby studentów Liczba grup: 1
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Studenci zapoznani zostaną z teorią Galois której wykład opierał będzie się na wcze-
śniejszym przypomnieniu elementów algebry związanych z teorią pierścieni prze-
miennych i grup.
Efekty kształcenia Patrz TABELA 44.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 30
Laboratorium 0
Projekt 0
Treści kształcenia 1. Pierścienie, grupy i moduły – elementy
2. Pierścień wielomianów nad ciałem
3. Typy rozszerzeń ciał (algebraiczne, skończone, rozdzielcze, normalne, pierwiastni-
kowe)
4. Automorfizmy ciał. Grupa Galois
5. Zasadnicze twierdzenie teorii Galois
6. Rozwiązywalność równań w pierwiastnikach
7. Klasyczne problemy i zadania konstrukcyjne
8. Teoria Galois rozszerzeń nieskończonych
Metody oceny Sprawdzian z wykładu – 50 punktów
Praca pisemna z ćwiczeń – 30 punktów
Aktywność – 20 punktów
51 – 60 (pkt) – ocena 3
117
61 – 70 – ocena 3,5
71 – 80 – ocena 4
81 – 90 – ocena 4,5
91 – 100 – ocena 5.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 44.
Egzamin Nie
Literatura 1. J. Browkin, Teoria ciał, PWN Warszawa 1977
2. J. S. Milne, Fields and Galois theory
http://www.jmilne.org/math/CourseNotes/FT.pdf3.
Witryna www przedmiotu www.mini.pw.edu.pl/ziembowskim
D. Nakład pracy studenta
Liczba punktów ECTS 4
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do ćwiczeń – 15 h
b) zapoznanie się z literaturą – 5 h
c) przygotowanie do pracy pisemnej z ćwiczeń – 15 h
d) przygotowanie do sprawdzianu pisemnego końcowego – 15 h
Razem 115 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających bez-
pośredniego udziału nauczy-
cieli akademickich:
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 30 h
c) konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze praktycz-
nym
-
E. Informacje dodatkowe
Uwagi -
Tabela 44: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia dla kierunku Matematyka
Odniesienie do
efektów kie-
runkowych
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 zna Zasadnicze twierdzenia teorii Galois ML_W17,
M2_W01
Sprawdzian
z wykładu
W02 zna związki twierdzeń Galois z dowodami niewykonalności
pewnych klasycznych konstrukcji geometrycznych
ML_W17,
M2_W01
Sprawdzian
z wykładu
UMIEJĘTNOŚCI
U01 umie wyznaczyć grupę Galois rozszerzenia Galois ML_U15,
M2_U01
Praca
pisemna
z ćwiczeń
U02 umie zastosować twierdzenia Galois w kontekście pewnych
klasycznych konstrukcji geometrycznych
ML_U15,
M2_U01
Praca
pisemna
z ćwiczeń
KOMPETENCJE SPOŁECZNE
K01 rozumie potrzebę uczenia się przez całe życie ML_K01,
M2_K01
Praca
pisemna
z ćwiczeń
119
Opis przedmiotu
45. PISANIE UŻYTKOWE
Kod przedmiotu (USOS) nowy
Nazwa przedmiotu
w polskim
Pisanie użytkowe
Nazwa przedmiotu
w angielskim
Writing
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka i Informatyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Dr Michał Dębski
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Grupa przedmiotów Humanistyczne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 1, 2, 3, 4
Usytuowanie realizacji w roku
akademickim
Semestr zimowy i letni (1)
Wymagania wstępne/
przedmioty poprzedzające
brak
Limit liczby studentów Liczba grup: 1
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest nauczenie studentów czytelnej i efektywnej komunikacji w
formie pisemnej. Studenci poznają dobre praktyki przydatne przy pisaniu
sprawozdań, dokumentacji technicznych, maili służbowych, prac dyplomowych oraz
artykułów o tematyce naukowej lub popularnonaukowej.
Efekty kształcenia Patrz TABELA 45.
Formy zajęć i ich wymiar
(semestralne)
Wykład 0
Ćwiczenia 30
Laboratorium
Projekt 0
Treści kształcenia Rozkład treści w tekście:
podział na akapity
zadania kluczowe (ang. topic sentence)
czytelność
Układ tekstu:
7. formatowanie
8. opisy rysunków i tabel
9. dobór czcionek
Poprawność językowa:
16. zasady interpunkcji
17. najczęstsze błędy
Zagadnienia redakcyjne:
● formułowanie zdań
120
● dostosowanie treści do odbiorcy
● podkreślanie kluczowych informacji
● konsekwencja
Teksty techniczne i naukowe:
używanie oznaczeń i skrótów
poziom ścisłości wypowiedzi
rozumowania matematyczne
prezentowanie wyników badań
Uatrakcyjnianie tekstu:
budowanie historii
wiara w czytelnika
różnorodność
Inne zagadnienia:
zwracanie się do odbiorcy
edytory teksu
cytaty i odwołania bibliograficzne
Metody oceny Ocena od 0 do 100 punktów wystawiana na podstawie krótkich zadań, realizowanych
na zajęciach lub w domu, polegających na napisaniu fragmentu tekstu na zadany
temat.
Skala ocen: 51-60 punktów – trzy, 61-70 punktów – trzy i pół, 71-80 punktów – czte-
ry, 81-90 punktów – cztery i pół, 91-100 punktów – pięć.
Metody sprawdzania efektów
kształcenia
Patrz TABELA 45.
Egzamin Nie
Literatura 1. L. Drabik, E. Sobol, "Słownik poprawnej polszczyzny", PWN, 2011
2. Weiner J., "Technika pisania i prezentowania przyrodniczych prac naukowych:
przewodnik praktyczny", PWN, 2005.
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 2
Liczba godzin pracy studenta
związanych z osiągnięciem
efektów kształcenia
1. godziny kontaktowe – 35 h; w tym
a) obecność na ćwiczeniach – 30 h
b) konsultacje – 5 h
2. praca własna studenta – 25 h; w tym
a) zapoznanie się z literaturą – 10 h
b) zadania domowe – 15 h
Razem 60 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
b) obecność na ćwiczeniach – 30 h
d) konsultacje – 5 h
Razem 35 h, co odpowiada 1 pkt. ECTS
Liczba punktów ECTS, którą
student uzyskuje w ramach
zajęć o charakterze
praktycznym
a) zapoznanie się z literaturą – 10 h
b) zadania domowe – 15 h
Razem 25 h, co odpowiada 1 pkt. ECTS
E. Informacje dodatkowe
Uwagi -
Tabela 45: EFEKTY KSZTAŁCENIA
Dla kierunku Matematyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
UMIEJĘTNOŚCI
U01 Potrafi przygotować pracę pisemną w języku polskim ML_U31 Prace
121
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
domowej
KOMPETENCJE SPOŁECZNE
K01 Potrafi w zrozumiały sposób opisać zagadnienie techniczne lub
naukowe
Prace
domowe
Dla kierunku Informatyka
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
UMIEJĘTNOŚCI
U01 Potrafi przygotować pracę pisemną w języku polskim Prace
domowe
KOMPETENCJE SPOŁECZNE
K01 Potrafi w zrozumiały sposób opisać zagadnienie techniczne lub
naukowe K_K07
Prace
domowe
Opis przedmiotu
46. MIĘDZY BACHEM A BANACHEM
Kod przedmiotu (USOS) 1120-MA000-LSP-0681
Nazwa przedmiotu
w polskim
Między Bachem a Banachem;
matematyczne struktury w muzyce i sztuce
Nazwa przedmiotu
w angielskim
Between Bach and Banach;
mathematical structures in art and music
A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego stopnia
Forma i tryb prowadzenia
studiów
Stacjonarne
Kierunek studiów Matematyka
Profil studiów Profil ogólnoakademicki
Specjalność -
Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych
Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych
Koordynator przedmiotu Prof. dr hab. Jarosław Grytczuk
B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Humanistyczny
Grupa przedmiotów Obieralne
Status przedmiotu Obieralny
Język prowadzenia zajęć Polski
Semestr nominalny 2
Usytuowanie realizacji w
roku akademickim
Semestr letni
Wymagania wstępne/
przedmioty poprzedzające
brak
Limit liczby studentów Liczba grup: bez ograniczeń
C. Efekty kształcenia i sposób prowadzenia zajęć
Cel przedmiotu Celem przedmiotu jest zaznajomienie słuchaczy z rozlicznymi przykładami
interakcji między matematyką i sztuką.
Efekty kształcenia Patrz TABELA 46.
Formy zajęć i ich wymiar
(semestralne)
Wykład 30
Ćwiczenia 0
Laboratorium 0
Projekt 0
122
Treści kształcenia 1. Serie nieskończoności i ciągi Thue,go w muzyce Pera Norgarda.
2. Matematyczne metafory Mauritsa Eschera.
3. Złoty podział i liczby Fibonacci’ego w dziełach Le Corbusiera.
4. Podziały Penrose’a i twierdzenie o grupach krystalograficznych.
5. Muzyka stochastyczna Iannisa Xenakisa.
6. Aleatoryzm kontrolowany Witolda Lutosławskiego.
7. Searializm i kombinatoryka.
8. Matematyczne instalacje Ryoji Ikedy.
9. Matematyczne inspiracje w choreografii Williama Forsytha.
10. Geometryczne struktury w muzyce Andrzeja Panufnika.
Metody oceny Warunkiem zaliczenia przedmiotu jest zdanie egzaminu końcowego.
Metody sprawdzania
efektów kształcenia
Patrz TABELA 46.
Egzamin Tak
Literatura 1. Per Norgard, Inside a Symphony, Dansk Center for Musikudgivense (1974).
2. Le Corbusier, The Modulor, Cambridge Univ. Press (1956).
3. Ianis Xenakis, Formalized Music, Pendragon Press (1992).
Witryna www przedmiotu
D. Nakład pracy studenta
Liczba punktów ECTS 2
Liczba godzin pracy
studenta związanych z
osiągnięciem efektów
kształcenia
1. godziny kontaktowe – 35 h; w tym
a) obecność na wykładach – 30 h
b) konsultacje – 5 h
2. praca własna studenta – 20 h; w tym
a) przygotowanie do egzaminu – 15 h
b) zapoznanie się z literaturą – 5 h
Razem 55 h, co odpowiada 2 pkt. ECTS
Liczba punktów ECTS na
zajęciach wymagających
bezpośredniego udziału
nauczycieli akademickich:
a) obecność na wykładach – 30 h
b) konsultacje – 5 h
Razem 35 h, co odpowiada 1 pkt. ECTS
Liczba punktów ECTS,
którą student uzyskuje w
ramach zajęć o charakterze
praktycznym
0
E. Informacje dodatkowe
Uwagi -
Tabela46: EFEKTY KSZTAŁCENIA
Efekty
kształcenia
dla modułu
Opis efektów kształcenia
Odniesienie do
efektów
kształcenia dla
kierunku
Weryfikacja
osiągnięcia
efektu
WIEDZA
W01 Ma podstawową wiedzę dotyczącą interakcji między
matematyką i sztuką
ML_W35 egzamin
UMIEJĘTNOŚCI
U01 Posiada umiejętność przygotowania typowych prac pisemnych,
dotyczących zagadnień szczegółowych, z wykorzystaniem
podstawowych ujęć teoretycznych, a także różnych źródeł;
ML_U31 Egzamin
KOMPETENCJE SPOŁECZNE
K01 Rozumie potrzebę uczenia się przez całe życie ML_KS01 Egzamin
K02 Rozumie potrzebę podnoszenia kompetencji zawodowych i
osobistych
ML_KS05 Egzamin