Przekazanie przeglądu głównych metod i narzędzi AI oraz zrozumienie ich możliwości i ograniczeń. Rozwój umiejętności identyfikacji potencjału AI w rozwiązywaniu problemów biznesowych oraz doboru odpowiednich metod.

Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA:
Data Science DATS - poziom 3
Machine Learning MLNG - poziom 2
Artificial Intelligence and Data Ethics AIDE - poziom 2
Business Analysis BUAN - poziom 2

Kompleksowe wprowadzenie do współczesnych metod i narzędzi sztucznej inteligencji, umożliwiające zrozumienie ich potencjału, ograniczeń oraz praktycznych zastosowań. Teoretyczne podstawy głównych paradygmatów AI oraz ich implementacje w rzeczywistych systemach ICT i systemach AI. Fundamentalne koncepcje sztucznych sieci neuronowych, uczenia głębokiego, przetwarzania języka naturalnego i widzenia komputerowego. Alternatywne podejścia, w tym systemy uczenia ze wzmocnieniem, sieci bayesowskie i algorytmy ewolucyjne. Identyfikacja praktycznych zastosowań AI w różnych domenach biznesowych. Analiza problemów biznesowych pod kątem możliwości wykorzystania odpowiednich technik AI.

Wykład:
1. Sztuczne sieci neuronowe i deep learning - architektura, zasada działania, rodzaje sieci (CNN, RNN, transformery), zastosowania w praktyce, zalety i ograniczenia
2. Computer Vision - metody przetwarzania i analizy obrazu, rozpoznawanie obiektów, segmentacja obrazu, śledzenie ruchu, przykłady zastosowań praktycznych.
3. Przetwarzanie języka naturalnego (NLP) - od klasycznych metod do modeli językowych, analiza sentymentu, ekstrakcja informacji, generowanie tekstu, chatboty
4. Systemy uczenia ze wzmocnieniem - podstawy teoretyczne, uczenie przez doświadczenie, przykłady zastosowań w robotyce i optymalizacji procesów
5. Sieci bayesowskie - reprezentacja wiedzy, wnioskowanie w warunkach niepewności, przykłady zastosowań w diagnostyce i wspomaganiu decyzji
6. Algorytmy genetyczne i obliczenia ewolucyjne - inspiracja biologiczna, mechanizmy działania, zastosowania w optymalizacji i projektowani
7. Metody klasyfikacji i regresji - drzewa decyzyjne, lasy losowe, maszyny wektorów nośnych (SVM), zastosowania w biznesie. Uczenie nienadzorowane - metody klasteryzacji, redukcji wymiarowości, wykrywania anomalii, przykłady zastosowań
8. AI w rozpoznawaniu obrazów - od kontroli jakości produkcji przemysłowej przez systemy bezpieczeństwa po diagnostykę medyczną
9. AI w rozpoznawaniu obrazów - od kontroli jakości produkcji przemysłowej przez systemy bezpieczeństwa po diagnostykę medyczną
10. Zastosowania AI w biometrii. Technologie biometryczne w biznesie. Potencjał, zalety, wady i zagrożenia
11. Zastosowania AI w biometrii. Technologie biometryczne w biznesie. Potencjał, zalety, wady i zagrożenia
12. Wykorzystanie sztucznej inteligencji do wykrywania, analizowania i reagowania na zagrożenia cybernetyczne bez interwencji człowieka
13. AI w obsłudze klienta - chatboty, voiceboty, systemy rekomendacji produktów, personalizacja doświadczeń użytkownika.
14. AI w procesach biznesowych - predykcja, optymalizacja, automatyzacja decyzji, przykłady wdrożeń w różnych branżach
15. Zaliczenie wykładu

Pracownia specjalistyczna:
1. Warsztaty z wykorzystaniem gotowych rozwiązań rozpoznawania i przetwarzania obrazów. Testowanie i porównywanie narzędzi AI do analizy obrazów. Analiza przypadków użycia w różnych branżach
2. Warsztaty z wykorzystaniem gotowych rozwiązań do klasyfikacji. Testowanie i porównywanie narzędzi AI, np. sieci neuronowych, zastosowania w biometrii, medycynie, etc
3. Analiza przypadków biznesowych z wykorzystaniem Business Model Canvas i Value Proposition Canvas. Mapowanie procesów biznesowych i identyfikacja potencjału automatyzacji z wykorzystaniem AI
4. Analiza przypadków biznesowych z wykorzystaniem Business Model Canvas i Value Proposition Canvas. Mapowanie procesów biznesowych i identyfikacja potencjału automatyzacji z wykorzystaniem AI
5. Warsztaty Design Thinking ukierunkowane na identyfikację problemów biznesowych możliwych do rozwiązania przy pomocy AI. Wykorzystanie technik kreatywnych, map empatii i person do zrozumienia potrzeb użytkowników
6. Warsztaty Design Thinking ukierunkowane na identyfikację problemów biznesowych możliwych do rozwiązania przy pomocy AI. Wykorzystanie technik kreatywnych, map empatii i person do zrozumienia potrzeb użytkowników
7. Warsztat z technik prezentacji biznesowej rozwiązań AI. Przygotowanie pitch deck, storytelling, prezentacja wartości biznesowej
8. Warsztat zaliczeniowy: Analiza wybranego problemu biznesowego, mapowanie procesu, identyfikacja potencjału AI. Prezentacje, feedback i dyskusja nad możliwościami rozwoju koncepcji

dyskusja rozwiązań,   metoda projektów,   wykład konwersatoryjny,   wykład problemowy,   wykład z prezentacją multimedialną,  

W: zaliczenie pisemne z pytaniami otwartymi
Ps: ocena zadań projektowych realizowanych w grupach

1. A. J. Gutman, J. Goldmeier, Analityk danych: przewodnik po data science, statystyce i uczeniu maszynowym, Helion, Gliwice, 2023
2. J. Reis., M. Housley, Inżynieria danych w praktyce: kluczowe koncepcje i najlepsze technologie, Helion, Gliwice, 2023
3. D. Stephenson, Big Data, nauka o danych i AI bez tajemnic: podejmuj lepsze decyzje i rozwijaj swój biznes!, Helion, Gliwice, 2020
4. A. Król-Nowak, K. Kotarba, Podstawy uczenia maszynowego, Wydawnictwo AGH, 2022

1. S. Russell, P. Norvig, Sztuczna inteligencja. Nowe spojrzenie, Tom 1 i 2, Helion, Gliwice, 2023
2. K.-F. Lee , Ch. Qiufan, AI 2041, WH Allen, 2024
3. J. Smith, Comprehensive Guide to 30 Essential AI Tools, Silver Oak Publishing, 2024
4. N.Windholz, The AI Act Handbook, Hanser Fachbuchverlag, 2024
5. K.Crawford, Atlas of AI, Yale University Press, 2022