#separator:Tab
#html:true
#notetype:Basic
#deck:Egzamin_filter+main

Porównać 'siłę wyrazu' automatu skończonego, automatu ze stosem oraz maszyny Turinga. Jakie klasy języków rozpoznaje każdy z nich?	<b>Automat Skończony (Finite Automaton - FA)</b>: Języki regularne (Typ 3)<br><br><b>Automat ze Stosem (Pushdown Automaton - PDA)</b>: Języki bezkontekstowe (Typ 2)<br><br><b>Maszyna Turinga (Turing Machine - TM)</b>: Języki rekurencyjnie przeliczalne (Typ 0)	egzamin pyt01 AISDI main
Omówić szczegółowo teorie, definicje, standardy i narzędzia wykorzystywane przy projektowaniu i implementacji systemów opartych na koncepcji agenta i aktora.	<b>Architektury agentów</b>: Zachowania niskopoziomowe mogą być &quot;nadpisane&quot; przez wyższe.<br><br><b>Standardy komunikacji agentów</b>: <b>FIPA-ACL</b> (Agent Communication Language):	egzamin pyt13 AASD main
Wymienić i szczegółowo opisać wybrane algorytmy i metody wykorzystywane w systemach wieloagentowych i aktorowych.	<b>Algorytmy negocjacji i aukcji</b>: Manager Contractors<br><br><b>Algorytmy konsensusu</b>: Client ──request──→ Primary<br><br><b>Algorytmy koordynacji</b>: <b>Algorytm Ricarta-Agrawali:</b><br><br><b>Algorytmy uczenia wieloagentowego</b>: Q(s,a) ← Q(s,a) + α[r + γ max Q(s',a') - Q(s,a)]<br><br><b>Algorytmy dla aktorów</b>: // All-for-One: restart wszystkich dzieci	egzamin pyt14 AASD main
Przedstawić warunki konieczne i dostateczne optymalności różniczkowalnych zadań optymalizacji bez ograniczeń i z ograniczeniami oraz warunki regularności i omówić metody poszukiwania rozwiązań zadań optymalizacji nieliniowej.	<b>Optymalizacja bez ograniczeń</b>: (Gradient zerowy - punkt stacjonarny)<br><br><b>Warunki KKT (Karush-Kuhn-Tucker)</b>: Jeśli $x^*$ jest minimum i spełnione są warunki regularności:<br><br><b>Warunki regularności (Constraint Qualification)</b>: <b>LICQ:</b> $\{\nabla g_i(x^<i>) : g_i(x^</i>) = 0\} \cup \{\nabla h_j(x^*)\}$ są liniowo niezależne<br><br><b>Warunki dostateczne II rzędu</b>: dla wszystkich $d \neq 0$ spełniających:	egzamin pyt17 AMO main
Omówić metody rozwiązywania zadań liniowych i kwadratowych optymalizacji.	<b>Programowanie liniowe (LP)</b>: <b>Złożoność:</b> O(2^n) worst-case, ale praktycznie bardzo szybki<br><br><b>Programowanie kwadratowe (QP)</b>: Gdzie Q jest macierzą symetryczną.<br><br><b>Metody rozwiązywania QP</b>: 1. Zgadnij zbiór aktywnych ograniczeń W<br><br><b>Przypadki szczególne</b>: <b>Rozwiązanie:</b> $(A^T A)x = A^T b$ (równanie normalne)	egzamin pyt18 AMO main
Przedstawić metody wyznaczania cech (parametryzacji) sygnału mowy: MFCC (cechy mel-cepstralne) i LPC (cechy według liniowej predykcji).	<b>Cel parametryzacji mowy</b>: Redukcja wymiarowości:: 16kHz × 16bit → ~13-40 cech/ramkę<br><br><b>MFCC (Mel-Frequency Cepstral Coefficients)</b>: mel(f) = 2595 · log₁₀(1 + f/700)<br><br><b>LPC (Linear Predictive Coding)</b>: Dźwięczne:: pobudzenie okresowe (struny głosowe)	egzamin pyt19 EASAR main
Przedstawić klasyczną metodę rozpoznawania mowy opartą o HMM (Ukryte Modele Markowa). Porównać ją z metodami korzystającymi z głębokich sieci neuronowych.	<b>HMM (Hidden Markov Model) - klasyczne podejście</b>: Każdy stan emituje obserwacje (MFCC) według rozkładu GMM:<br><br><b>Deep Learning w rozpoznawaniu mowy</b>: Attention-based (Seq2Seq):<br><br><b>Ewolucja wydajności</b>: Rok Model WER	egzamin pyt20 EASAR main
Jak wykorzystuje się agenta upostaciowionego do specyfikacji sterowników robotów?	<b>Agent upostaciowiony (Embodied Agent)</b>: Percepcji: poprzez sensory<br><br><b>Formalny model agenta</b>: Specyfikacja żywotności:	egzamin pyt21 ERPM main
Omówić specjalizowane języki programowania robotów. Uwypuklić ich klasyfikację.	<b>Języki producentów robotów przemysłowych</b>: ! MoveJ = ruch w przestrzeni złączy (Joint)<br><br><b>Języki uniwersalne i frameworki</b>: rospy.init_node('robot_controller')	egzamin pyt22 ERPM main
Przedstawić koncepcję i przeznaczenie zegarów logicznych i wektorów stempli czasowych.	<b>Problem czasu w systemach rozproszonych</b>: <b>Problem:</b> Nie możemy polegać na zegarach fizycznych - drift, opóźnienia sieciowe, brak atomowej synchronizacji.<br><br><b>Zegar Lamporta (Scalar Clock)</b>: 1. Przed każdym zdarzeniem lokalnym:<br><br><b>Zegary wektorowe (Vector Clocks)</b>: 1. Przed każdym zdarzeniem lokalnym:	egzamin pyt23 ERSMS main
Omówić silne i słabe modele spójności danych w środowisku rozproszonym.	<b>Silne modele spójności</b>: <b>Implementacja:</b> Consensus (Paxos, Raft), single leader<br><br><b>Słabe modele spójności</b>: <b>Implementacja:</b> DNS, Dynamo, Cassandra	egzamin pyt24 ERSMS main
Gdzie znajdują zastosowania zadania programowania matematycznego całkowitoliczbowego i jak można je rozwiązywać? Omówić wybraną metodę dokładną, wyjaśnić dla jakich praktycznych problemów ma ona zastosowanie i co może wpływać na jej efektywność.	<b>Definicja MIP (Mixed Integer Programming)</b>: Przypadki szczególne:<br><br><b>Branch and Bound (B&B) - metoda dokładna</b>: LP relaxation	egzamin pyt25 MOD main
Omówić typowe fazy ewolucji modelu danych i pożądane cechy modelu w każdej z faz.	<b>Model konceptualny (Conceptual Data Model)</b>: ┌──────────┐ ┌──────────┐<br><br><b>Model logiczny (Logical Data Model)</b>: ┌────────────────────────┐ ┌────────────────────────┐<br><br><b>Model fizyczny (Physical Data Model)</b>: CREATE INDEX idx_klient_email ON klient(email);	egzamin pyt28 MODA main
Oszacować ilościowo przyśpieszenie wykonania programu sekwencyjnego z fragmentami równoległymi na maszynie wielordzeniowej. Co osłabia to ograniczenie?	<b>Prawo Amdahla</b>: $$S(n) = \frac{1}{(1-p) + \frac{p}{n}}$$<br><br><b>Wizualizacja ograniczenia</b>: <b>Obserwacja:</b> Krzywe szybko się spłaszczają - dodawanie procesorów daje coraz mniejszy zysk.<br><br><b>Co osłabia ograniczenie Amdahla?</b>: S_scaled(n) = n - (1-p)(n-1) = 1 - p + p·n<br><br><b>Czynniki zmniejszające rzeczywiste przyśpieszenie</b>: ┌─────────────────────────────────────────────────────────────────┐<br><br><b>Efektywność równoległa</b>: <b>Wniosek:</b> Efektywność spada z liczbą procesorów. Trzeba zwiększać problem (Gustafson) lub zmniejszać (1-p).	egzamin pyt29 PORR main
Omówić metody oraz typowe problemy w modelowaniu matematycznym dla problemów decyzyjnych i optymalizacyjnych.	<b>Typowe problemy w modelowaniu</b>: Przykład - planowanie produkcji:<br><br><b>Techniki modelowania</b>: Problem: |x| (wartość bezwzględna)	egzamin pyt30 MOM main
Wyjaśnić główne zagadnienia modelowania matematycznego w systemach decyzyjnych z wykorzystaniem pojęć (nie)wypukłości i (nie)liniowości.	<b>Definicje kluczowe</b>: $$S \text{ wypukły} \Leftrightarrow \forall x,y \in S, \forall \lambda \in [0,1]: \lambda x + (1-\lambda)y \in S$$<br><br><b>Liniowość vs nieliniowość</b>: $$\min c^T x \quad \text{s.t.} \quad Ax \leq b, \quad x \geq 0$$<br><br><b>Testowanie wypukłości</b>: 1. HESJAN: H = ∇²f(x) ≽ 0 (dodatnio półokreślony) dla wszystkich x	egzamin pyt31 MOM main
Podać definicję komunikacji synchronicznej i asynchronicznej oraz blokującej i nieblokującej. Jak uniknąć zakleszczenia, gdy dwa symetryczne procesy (np. realizujące algorytm iteracyjny Jacobiego) mają w kodzie następujące po sobie wywołania funkcji wysyłającej komunikat do partnera i odbierającej komunikat wysłany przez niego?	<b>Definicje podstawowe</b>: KOMUNIKACJA ASYNCHRONICZNA:<br><br><b>Problem zakleszczenia (Deadlock)</b>: // Proces 0: // Proces 1:<br><br><b>Rozwiązania problemu zakleszczenia</b>: MPI_Irecv(from=partner, data_in, &req_recv); // Nieblokujące recv	egzamin pyt32 PORR main
Scharakteryzować rozwiązania analityczne działające na danych o charakterze strumieniowym.	<b>Modele przetwarzania</b>: Processing: ───●───────●──●──●───────→<br><br><b>Platformy Stream Processing</b>: KStream<String, String> source = builder.stream(&quot;input-topic&quot;);<br><br><b>Algorytmy strumieniowe</b>: Przykład: Redis PFADD, PFCOUNT	egzamin pyt34 PSD main
Na czym polega specyfika modelowania matematycznego układów cyber-fizycznych? Podać przykłady współpracy agentów w sieci i problemów w osiąganiu pożądanego zachowania układu.	<b>Współpraca agentów w sieci</b>: L = Laplacian grafu komunikacji<br><br><b>Warunki zbieżności consensus</b>: Szybkość zbieżności ~ λ₂(L) (algebraic connectivity)	egzamin pyt35 SIU main
Omówić ogólny algorytm, elementy składowe oraz własności uczenia się ze wzmocnieniem.	<b>Funkcje wartości</b>: $$V^\pi(s) = \mathbb{E}_\pi \left[ \sum_{t=0}^{\infty} \gamma^t r_t \mid s_0 = s \right]$$<br><br><b>Algorytmy</b>: ┌─────────────────────────────────────────────────────────────────┐	egzamin pyt36 SIU main
Porównać metody projekcji grafów dwudzielnych. Przedstawić ich użyteczność w grupowaniu dokumentów tekstowych.	<b>Metody projekcji</b>: P = B · Bᵀ (dla projekcji na U)<br><br><b>Zastosowanie w grupowaniu dokumentów</b>: Graf dwudzielny projekcja (cosine similarity):	egzamin pyt38 TASS main
Opisać problem detekcji obiektów w obrazach. Przedstawić podstawowe strategie i algorytmy detekcji przy użyciu metod klasycznych oraz sieci neuronowych. Jak skonstruować detektor obiektów dysponując istniejącym klasyfikatorem tych obiektów?	<b>Metody Deep Learning</b>: ┌─────────────────────────────────────────────────────────────────┐<br><br><b>Non-Maximum Suppression (NMS)</b>: Soft-NMS: Nie usuwa, tylko obniża confidence	egzamin pyt40 TWM main
Scharakteryzować relacje dominacji stochastycznej pierwszego i drugiego rzędu. Jak mogą być użyte w modelach wyboru w warunkach ryzyka?	<b>Dominacja stochastyczna pierwszego rzędu (FSD)</b>: $$A \succeq_{FSD} B \Leftrightarrow F_A(x) \leq F_B(x) \quad \forall x$$<br><br><b>Dominacja stochastyczna drugiego rzędu (SSD)</b>: $$A \succeq_{SSD} B \Leftrightarrow \int_{-\infty}^{x} F_A(t) dt \leq \int_{-\infty}^{x} F_B(t) dt \quad \forall x$$<br><br><b>Zastosowanie w modelach wyboru</b>: Dla rozkładów normalnych z E[A] > E[B] i σ[A] < σ[B]:	egzamin pyt42 WDWR main
