Przedmiot poświęcony jest metodom reprezentacji i przetwarzania niepewnej informacji stosowanym w systemach inteligentnych, ze szczególnym uwzględnieniem systemów rekomendacyjnych. Studenci poznają podstawy projektowania i implementacji systemów rekomendacyjnych oraz wybrane metody sztucznej inteligencji umożliwiające analizę danych obarczonych niepewnością. Szczególny nacisk położony jest na wykorzystanie teorii zbiorów przybliżonych i zbiorów rozmytych w procesie odkrywania wiedzy, generowania reguł decyzyjnych oraz wspomagania rekomendacji. W ramach zajęć laboratoryjnych wykorzystywane są środowiska Python oraz RSES (Rough Set Exploration System).
- Nauczyciel: Kusztal Katarzyna