Reprezentacja wiedzy
Informacje ogólne
Kod przedmiotu: | 1000-2M11RW |
Kod Erasmus / ISCED: |
11.3
|
Nazwa przedmiotu: | Reprezentacja wiedzy |
Jednostka: | Wydział Matematyki, Informatyki i Mechaniki |
Grupy: |
Przedmioty kierunkowe na studiach drugiego stopnia na kierunku bioinformatyka Przedmioty obieralne dla informatyki Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | angielski |
Rodzaj przedmiotu: | monograficzne |
Skrócony opis: |
Przedmiot ma na celu zaznajomienie studentów z pojęciową reprezentacją wiedzy. Zajęcia pokażą studentom w jaki sposób stosować metodologię baz wiedzy w przetwarzaniu języka naturalnego, integracji różniących się modeli danych dotyczących tych samych dziedzin oraz w konstruowaniu wyszukiwarek semantycznych. Omówione będą również zagadnienia wizualizacji wiedzy i wnioskowań opartych na bazach wiedzy. |
Pełny opis: |
Reprezentacja wiedzy w logice. Filozoficzne podstawy reprezentacji wiedzy: kategorie ontologiczne, obiekty konkretne i abstrakcyjne. Pojęcia i ich własności (nieostrość, odniesienie przedmiotowe, znaczenie), sądy, wnioskowania. Mereologia, Reprezentacja czasu i przestrzeni, nazw, przedmiotów, akcji, ról i bytów mentalnych. Zasady reprezentacji wiedzy i sposoby reprezentacji: układy (frames), reguły, pojęcia. Różnice między reprezentacją wiedzy opartą o pojęcia a opartą o logikę lub reguły. Reprezentacja wiedzy a semantyka języka naturalnego Grafy pojęć Formalna analiza pojęć: konteksty formalne, kraty pojęć, systemy implikacji Języki reprezentacji wiedzy, Ontologie, Sieci semantyczne Sposoby reprezentacji ontologii Bazy wiedzy: CYC, DBpedia i inne Integracja modeli danych Wyszukiwanie semantyczne Inżynieria wiedzy Wnioskowanie o sytuacjach i przekonaniach, Rewizja przekonań. |
Literatura: |
- John F. Sowa (2000) Knowledge representation. Logical, Philosophical and Computational Foundations, Brooks/Cole. - Dragan Gasević, Dragan Djurić, Vladan Devedzić (2009) Model Driven Engineering and Ontology Development, 2nd edition, Springer. - K.K. Breitman, M.A. Casanova, W. Truszkowski (2007) Semantic Web: Concepts, Technologies and Applications, Springer |
Efekty uczenia się: |
Wiedza: 1. ma pogłębioną wiedzę z działów matematyki niezbędnych do reprezentacji wiedzy (język logiki pierwszego rzędu, teoria krat) (K_W01). 2. dobrze rozumie rolę i znaczenie konstrukcji wnioskowań formalnych w inżynierii wiedzy (K_W02). 3. ma wiedzę na temat narzędzi i środowisk reprezentacji wiedzy (K_W10). 4. zna metody konstruowania ontologii (K_W02). 5. ma podstawową wiedzę w zakresie podstawowych niezależnych od dziedziny kategorii ontologicznych (K_W02). Umiejętności: 1. posiada umiejętność konstruowania modelu dziedziny na podstawie nieformalnej specyfikacji (K_U01). 2. analizuje pojęcia sformalizowane w wybranych systemach logicznych o znaczeniu informatycznym, tworzy w nich formalizacje zadanych pojęć (K_U10). 3. posiada pogłębioną umiejętność komunikacji z ekspertami nie posiadającymi wiedzy informatycznej (K_U11). 4. potrafi opisywać wybrane problemy informatyczne i ich rozwiązania w sposób zrozumiały dla nieinformatyka (K_U12). Kompetencje: 1. zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, w tym zdobywania wiedzy pozadziedzinowej (K_K01). 2. potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego zrozumienia danego tematu, w szczególności w kontaktach z nieinformatykiem (K_K02). 3. potrafi prezentować zagadnienia informatyczne w kontaktach z nieinformatykiem (K_K06). |
Metody i kryteria oceniania: |
- obecność na zajęciach (ćwiczeniach i laboratoriach) - zadania domowe programistyczne i teoretyczne - egzamin pisemny - egzamin ustny ze znajomości teorii z wykładu |
Właścicielem praw autorskich jest Uniwersytet Warszawski.