Sylabus przedmiotu
AI i zaawansowane uczenie maszynowe
| Forma zajęć | Atrybuty formy | Godziny w semestrze | Godziny w tygodniu | Zaliczenie | Kompetencje | Waga | ||
|---|---|---|---|---|---|---|---|---|
| stacjonarne | niestacjonarne | stacjonarne | niestacjonarne | |||||
| Wykład | Forma mieszana, Kontakt bezpośredni: 100% | 30 | 18 | 2 | 1 | Zaliczenie na ocenę |
|
(33%)1 przez 3 |
| Laboratorium | Kontakt bezpośredni: 100% | 30 | 18 | 2 | 1 | Zaliczenie na ocenę |
|
(33%)1 przez 3 |
| Projekt | Kontakt bezpośredni: 100% | 15 | 9 | 1 | 1 | Zaliczenie na ocenę |
|
(33%)1 przez 3 |
| Forma aktywności | Liczba godzin - stac. | Liczba godzin - niestac. |
|---|---|---|
| Analiza wskazanej literatury | 15 | 15 |
| Przygotowanie do egzaminu / zaliczenia | 15 | 15 |
| Przygotowanie pracy pisemnej, raportu, prezentacji, demonstracji, itp. | 15 | 20 |
| Przygotowanie projektu | 15 | 25 |
| Praca własna | 1 | 15 |
| SUMA | 61 | 90 |
Cele przedmiotu:
Celem przedmiotu jest przekazanie kluczowej wiedzy i ukształtowanie umiejętności w zakresie zastosowania AI i uczenia maszynowych w kontekście Przemysłu 5.0. W szczególności, przedmiot obejmuje takie zagadnienia jak: - Wytyczne etyczne EU dla godnej zaufania sztucznej inteligencji (ang., Ethics Guidelines for Trustworthy Artificial Intelligence) - grafowe sieci neuronowe, EfficientNet, Inception V, YOLO, Facebook Prophet, ChatGPT - bezpieczeństwem stosowania rozwiązań AI i uczenia maszynowego - inteligentne systemy wspomagania decyzji - zastosowania AI i uczenia maszynowego
Wymagania wstępne:
Zakres tematyczny
| Rodzaj zajęć | Opis | Godz. stac. | Godz. niestac. |
|---|---|---|---|
| Wykład | Omówienie obecnego stanu wiedzy w zakresie AI i uczenia maszynowego oraz ich zastosowań w kontekście Przemysłu 5.0. Wytyczne etyczne EU dla godnej zaufania sztucznej inteligencji (ang., Ethics Guidelines for Trustworthy Artificial Intelligence). | 3 | 2 |
| Wykład | Wprowadzenie do środowisk oraz narzędzi AI i uczenia maszynowego: grafowe sieci neuronowe, EfficientNet, Inception V, YOLO, Facebook Prophet, ChatGPT. | 3 | 2 |
| Wykład | Zagadnienia związane z bezpieczeństwem stosowania rozwiązań AI i uczenia maszynowego. | 3 | 2 |
| Wykład | Inteligentne systemy wspomagania decyzji: podstawowe definicje i struktury. | 3 | 2 |
| Wykład | Problemy decyzyjne: wybór, klasyfikacja, rankingi. | 3 | 2 |
| Wykład | Modele preferencji dla wielowymiarowych problemów decyzyjnych: funkcja użyteczności, system relacyjny, zbiór reguł decyzyjnych. | 4 | 2 |
| Wykład | Logika rozmyta: zbiory rozmyte, funkcje przynależności, rozmywanie, wyostrzanie. | 4 | 2 |
| Wykład | Podejmowanie decyzji w warunkach niepewności: projektowanie funkcji przynależności, optymalizacja struktury rozmytego systemu decyzyjnego. | 4 | 2 |
| Wykład | Zastosowania AI i uczenia maszynowego w: przewidywaniu zapotrzebowania na energię elektryczną, analizie uszkodzeń systemów energoelektronicznych, przewidywanie zapotrzebowania na energię odnawialną, modelowanie procesów przemysłowych i optymalizacji ich funkcjonowania. | 3 | 2 |
| Laboratorium | Omówienie obecnego stanu wiedzy w zakresie AI i uczenia maszynowego oraz ich zastosowań w kontekście Przemysłu 5.0. Wytyczne etyczne EU dla godnej zaufania sztucznej inteligencji (ang., Ethics Guidelines for Trustworthy Artificial Intelligence). | 3 | 2 |
| Laboratorium | Wprowadzenie do środowisk oraz narzędzi AI i uczenia maszynowego: grafowe sieci neuronowe, EfficientNet, Inception V, YOLO, Facebook Prophet, ChatGPT. | 3 | 2 |
| Laboratorium | Zagadnienia związane z bezpieczeństwem stosowania rozwiązań AI i uczenia maszynowego. | 3 | 2 |
| Laboratorium | Inteligentne systemy wspomagania decyzji: podstawowe definicje i struktury. | 3 | 2 |
| Laboratorium | Problemy decyzyjne: wybór, klasyfikacja, rankingi. | 3 | 2 |
| Laboratorium | Modele preferencji dla wielowymiarowych problemów decyzyjnych: funkcja użyteczności, system relacyjny, zbiór reguł decyzyjnych. | 4 | 2 |
| Laboratorium | Logika rozmyta: zbiory rozmyte, funkcje przynależności, rozmywanie, wyostrzanie. | 4 | 2 |
| Laboratorium | Podejmowanie decyzji w warunkach niepewności: projektowanie funkcji przynależności, optymalizacja struktury rozmytego systemu decyzyjnego. | 4 | 2 |
| Laboratorium | Zastosowania AI i uczenia maszynowego w: przewidywaniu zapotrzebowania na energię elektryczną, analizie uszkodzeń systemów energoelektronicznych, przewidywanie zapotrzebowania na energię odnawialną, modelowanie procesów przemysłowych i optymalizacji ich funkcjonowania. | 3 | 2 |
| Projekt | Zdefiniowanie zadania projektowego z zastosowaniem AI i zaawansowanego uczenia maszynowego | 1 | 1 |
| Projekt | Zbudowanie struktury aplikacji z zastosowaniem wybranych bibliotek AI i zaawansowanego uczenia maszynowego | 2 | 1 |
| Projekt | Implementacja zaprojektowanego rozwiązania | 8 | 5 |
| Projekt | Testy i poprawki oraz przygotowanie wersji finalnej projektu | 2 | 1 |
| Projekt | Przygotowanie i dokumentacja wyników działania zadania projektowego | 2 | 1 |
Metody dydaktyczne
| Opis |
|---|
| Wykład problemowy |
| Wykład konwencjonalny |
| Metoda przypadków |
| Dyskusja |
| Demonstracja |
| Ćwiczenia laboratoryjne |
| Zajęcia projektowe |
| Praca w środowisku wirtualnym |
Warunki zaliczenia:
Ocena końcowa z przedmiotu stanowi średnią arytmetyczną wszystkich form zajęć. Każda z form zajęć musi być oceniona pozytywnie. Szczegółowe informacje zostaną przekazane na pierwszych zajęciach podczas prezentacji sylabusa.
Literatura podstawowa:
Literatura uzupełniająca:
| Symbole | Opis efektu | Metoda weryfikacji | Forma zajęć |
|---|---|---|---|
| Potrafi scharakteryzować aktualny wiedzy w zakresie zastosowania AI i uczenia maszynowych w kontekście Przemysłu 5.0. |
|
|
|
| Potrafi wskazać i opisać różne strategie oraz środowiska AI i uczenia maszynowego, wyjaśnić zagadnienia związane z bezpieczeństwem ich stosowania. |
|
|
|
| Potrafi wskazać i wyjaśnić kluczowe aspekty konstruowania inteligentnych systemów decyzyjnych. |
|
|
|
| 05.12.2000 |
|
|
|
| Ma świadomość i potrafi wskazać etyczne zagrożenia związanych z zastosowaniem AI i uczenia maszynowego. |
|
|