Hybrydowe systemy regułowe oparte na wiedzy eksperckiej i uczeniu maszynowym / Hybrid rule systems based on expert knowledge and machine learning

	Opis w języku polskim	Description in English
Dyscyplina / Discipline	Informatyka techniczna i telekomunikacja	Information and communication technology
Promotor / Supervisor	dr hab. Barbara Pękala, prof. UR bpekala@ur.edu.pl	Phd, D.Sc. Barbara Pękala, Associate Professor bpekala@ur.edu.pl
Tytuł tematu badawczego / Title of the research topic	Hybrydowe systemy regułowe oparte na wiedzy eksperckiej i uczeniu maszynowym	Hybrid rule systems based on expert knowledge and machine learning
Opis tematu badawczego / Description of the research topic	Współcześnie gromadzone są ogromne ilości danych, pochodzących z najrozmaitszych źródeł (np. ze statystyk lub dokumentacji medycznych). Aby wyciągnąć z nich liczące się wnioski, należy w dużej mierze podeprzeć się mocą obliczeniową komputerów oraz systemami ekspertowymi, które dają możliwość wiarygodnego wnioskowania na podstawie danych historycznych (tj. danych posiadanych, zgromadzonych wcześniej). Praktycznym celem konstruowania systemów ekspertowych jest wspomaganie kluczowych decyzji człowieka poprzez wyciąganie wniosków z wprowadzonej do systemu wiedzy eksperta (przeprowadzanie ekspertyz), w szczególności w modelach wnioskowania przybliżonego opartego na regułach. Dąży się do zastąpienia procesu myślowego ludzi przez algorytmy wnioskowania maszynowego i dlatego stosuje się do generowania reguł algorytmów z zakresu ucznia maszynowego. Wyzwaniem i celem tematu badawczego jest połączenie wiedzy płynącej z obu podejść i zaproponowanie systemów hybrydowych złożonych z informacji wydobytych z modelu reguł wytworzonych ekspercko oraz z modelu reguł wytworzonych z wykorzystaniem sztucznej inteligencji.	There are huge collections nowadays the amount of data from various sources (e.g. statistics or medical records). In order to draw important conclusions from them, it is necessary to rely largely on the computing power of computers and expert systems that enable credible conclusions based on historical data (i.e. data owned, and collected earlier). The practical purpose of constructing expert systems is to support key human decisions by drawing conclusions from the expert knowledge introduced into the system (conducting expert opinions), in particular in models of approximate reasoning based on rules. It strives to replace the thinking process of people with machine reasoning algorithms and therefore it is used to generate rules of machine learning algorithms. The challenge and goal of the research topic is to combine the knowledge from both approaches and to propose hybrid systems composed of information extracted from the model of rules created by experts and from the model of rules created with the use of artificial intelligence.
Słowa klucze / Keywords	Wnioskowanie przybliżone; teoria zbiorów rozmytych; Generowanie reguł	Approximate reasoning; fuzzy set theory; rule generation
Oczekiwane kompetencje/umiejętności od kandydata na doktoranta / Expected competences/skills from the candidate for a PhD student	Znajomość podstawowych zagadnień zw. ze sztuczną inteligencją, takich jak analiza danych oraz modele wnioskowania rozmytego i przybliżonego. Posiadanie umiejętności tworzenia systemów regułowych opartych na wiedzy ze źródeł eksperckich jak i metod sztucznej inteligencji, w tym także związanych z teorią zbiorów przybliżonych. A także podstawowa wiedza z zakresu teorii zbiorów rozmytych i ich rozszerzeń.	Knowledge of basic issues related to artificial intelligence, such as data analysis and fuzzy and rough reasoning models. Having the ability to create rule-based systems based on knowledge from expert sources as well as artificial intelligence methods, including those related to the rough sets theory. As well as basic knowledge of the theory of fuzzy sets and their extensions.