Elementy stosowanej sztucznej inteligencji
Informacje ogólne
Kod przedmiotu: | WM-I-U2-ESSI |
Kod Erasmus / ISCED: |
(brak danych)
/
(9998) Sustainable development
|
Nazwa przedmiotu: | Elementy stosowanej sztucznej inteligencji |
Jednostka: | Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie |
Grupy: |
Grupa przedmiotów ogólnouczelnianych - obszar nauk humanistycznych i społecznych (studia II stopnia) Grupa przedmiotów ogólnouczelnianych - Obszar nauk społecznych (studia II stopnia) |
Strona przedmiotu: | https://wmp.uksw.edu.pl/ |
Punkty ECTS i inne: |
2.00
|
Język prowadzenia: | polski |
Poziom przedmiotu: | podstawowy |
Symbol/Symbole kierunkowe efektów uczenia się: | P7S_WK, P7S_WG, P7S_UW |
Wymagania wstępne: | brak |
Skrócony opis: |
Podstawowym celem tego kursu jest poznanie fascynującego świata sztucznej inteligencji a w szczególności sieci neuronowych |
Pełny opis: |
Podstawowym celem tego kursu jest poznanie fascynującego świata sztucznej inteligencji a w szczególności sieci neuronowych. Są one badane w ramach działu informatyki zwanego sztuczną inteligencją. Sieci neuronowe powstały dzięki wykorzystaniu wiedzy dotyczącej zjawisk zachodzących w mózgu istot żywych. Podobnie jak ich biologiczne pierwowzory, posiadają one zdolność automatycznej adaptacji elementów swojej struktury w celu poszukiwania rozwiązań złożonych zależności pomiędzy sygnałami wejściowymi a oczekiwanymi sygnałami wyjściowymi modelu. Sieci o odpowiednio dobranej strukturze pozwalają rozwiązywać problemy, które często są niemożliwe do rozwiązania w sposób konwencjonalny. Wyróżniającymi cechami sieci neuronowych są możliwość rozwiązywania problemów bez ich uprzedniej matematycznej formalizacji, brak konieczności odwoływania się przy stosowaniu sieci do teoretycznych założeń na temat rozwiązywanego problemu oraz zdolność uczenia się na podstawie przykładów. |
Literatura: |
1.Ryszard Tadeusiewicz Sieci Neuronowe, Wydawnictwo: Akademicka Oficyna Wydawnicza 2.Kosiński Robert A. Sztuczne sieci neuronowe. Dynamika nieliniowa i chaos. Wydanie: 2021 3.https://tensorflow.org/ |
Efekty kształcenia i opis ECTS: |
Student ma podstawową wiedzę w obszarze sztucznej inteligencji. Student zna ogólne zasady funkcjonowania sieci neuronowych. Student zna podstawy matematyczne sztucznych sieci neuronowych. Student potrafi właściwie analizować użycie sieci neuronowej. Student potrafi identyfikować problemy rozwiązywane przez sztuczne sieci neuronowe. Student ma potrzebę rozwijania swojej wiedzy w aspektach związanych z rozwojem świata elektronicznego. Student wykazuje otwartość w poszerzaniu swojej wiedzy. |
Metody i kryteria oceniania: |
Pretest i Posttest |
Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)
Okres: | 2022-02-01 - 2022-06-30 |
Przejdź do planu
PN KON
WT KON
KON
ŚR KON
CZ PT SO N KON
|
Typ zajęć: |
Konwersatorium, 15 godzin, 10 miejsc
|
|
Koordynatorzy: | Mirosław Kurkowski | |
Prowadzący grup: | Tomasz Krzywicki, Agnieszka Zbrzezny | |
Strona przedmiotu: | https://wmp.uksw.edu.pl/ | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Zaliczenie na ocenę | |
E-Learning: | E-Learning (pełny kurs) |
|
Opis nakładu pracy studenta w ECTS: | 2 pkt ECTS -Student ma podstawową wiedzę w obszarze sztucznej inteligencji. Student zna ogólne zasady funkcjonowania sieci neuronowych. Student zna podstawy matematyczne sztucznych sieci neuronowych. Student potrafi właściwie analizować użycie sieci neuronowej. Student potrafi identyfikować problemy rozwiązywane przez sztuczne sieci neuronowe. Student ma potrzebę rozwijania swojej wiedzy w aspektach związanych z rozwojem świata elektronicznego. Student wykazuje otwartość w poszerzaniu swojej wiedzy. uczestnictwo w zajęciach 15 godz. przygotowanie do zajęć 20 godz. przygotowanie do weryfikacji 13 godz. konsultacje z prowadzącym 2 godz. |
|
Skrócony opis: |
Podstawowym celem tego kursu jest poznanie fascynującego świata sztucznej inteligencji a w szczególności sieci neuronowych. |
|
Pełny opis: |
Podstawowym celem tego kursu jest poznanie fascynującego świata sztucznej inteligencji a w szczególności sieci neuronowych. Są one badane w ramach działu informatyki zwanego sztuczną inteligencją. Sieci neuronowe powstały dzięki wykorzystaniu wiedzy dotyczącej zjawisk zachodzących w mózgu istot żywych. Podobnie jak ich biologiczne pierwowzory, posiadają one zdolność automatycznej adaptacji elementów swojej struktury w celu poszukiwania rozwiązań złożonych zależności pomiędzy sygnałami wejściowymi a oczekiwanymi sygnałami wyjściowymi modelu. Sieci o odpowiednio dobranej strukturze pozwalają rozwiązywać problemy, które często są niemożliwe do rozwiązania w sposób konwencjonalny. Wyróżniającymi cechami sieci neuronowych są możliwość rozwiązywania problemów bez ich uprzedniej matematycznej formalizacji, brak konieczności odwoływania się przy stosowaniu sieci do teoretycznych założeń na temat rozwiązywanego problemu oraz zdolność uczenia się na podstawie przykładów. |
|
Literatura: |
Ryszard Tadeusiewicz Sieci Neuronowe, Wydawnictwo: Akademicka Oficyna Wydawnicza Kosiński Robert A. Sztuczne sieci neuronowe. Dynamika nieliniowa i chaos. Wydanie: 2021 https://tensorflow.org/ |
Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)
Okres: | 2022-10-01 - 2023-01-31 |
Przejdź do planu
PN WAR
WAR
WAR
WAR
WAR
WAR
WAR
WAR
WT ŚR CZ PT |
Typ zajęć: |
Warsztaty, 15 godzin
|
|
Koordynatorzy: | Agnieszka Zbrzezny | |
Prowadzący grup: | Mirosław Kurkowski, Agnieszka Zbrzezny | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Zaliczenie na ocenę |
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.