Sztuczna Inteligencja i analiza BIG Data 2600-MRCdz2SIf
Słuchacze zapoznają się z technologiami AI, w szczególności z uczeniem maszynowym (ML), oraz ich praktycznym zastosowaniem w analizie dużych zbiorów danych i komunikacji komputer-człowiek. Celem zajęć jest rozwinięcie umiejętności wykorzystania narzędzi ML do podejmowania decyzji. Uczestnicy zajęć nauczą się identyfikować możliwości oraz ograniczenia implementacji rozwiązań opartych na ML w kontekście analizy danych. Omawiane zagadnienia dotyczyć będą następujących obszarów:
1. Źródła danych i środowisko pracy z danymi.
2. Charakterystyka danych przetwarzanych z wykorzystaniem algorytmów uczenia maszynowego.
3. Ocena danych i ich wizualizacja.
4. Przygotowanie danych, standaryzacja oraz podział zbioru.
5. Wybrane algorytmy uczenia maszynowego, przykłady zastosowań :
- Maszyna wektorów nośnych SVM
- Drzewo klasyfikacyjne
- Las losowy RF
- Metoda K-średnich
- Sieci neuronowe
6. Proces dokonywania predykcji.
7. Wady i zalety stosowania poznanych algorytmów.
8. Przykłady zastosowań omawianych algorytmów w kontekście klasyfikacji i regresji.
Konwersatorium będzie realizowane z wykorzystaniem podstaw obsługi środowiska programistycznego R oraz pakietów zewnętrznych właściwych dla omawianych algorytmów uczenia maszynowego.
Rodzaj przedmiotu
Efekty uczenia się
Student potrafi zaprojektować i krytycznie ocenić proces wdrażania algorytmów sztucznej inteligencji w instytucjach finansowych, integrując zaawansowaną metodologię ilościową (ekonomia i finanse) z wymogami ładu korporacyjnego (zarządzanie) oraz restrykcyjnymi ramami regulacyjnymi dotyczącymi wyjaśnialności modeli i ochrony danych (nauki prawne). K_W01
Student potrafi dokonywać wieloaspektowej analizy wpływu megatrendów (technologicznych, ekologicznych i społeczno-politycznych) na architekturę systemów informacyjnych AI, oceniając ich znaczenie dla stabilności finansowej organizacji oraz identyfikując fundamentalne dylematy etyczno-prawne cywilizacji cyfrowej w procesach zautomatyzowanego podejmowania decyzji.
K_W05
Student identyfikuje i stosuje zasady ochrony własności przemysłowej oraz prawa autorskiego w procesie tworzenia i eksploatacji systemów AI, rozstrzygając dylematy dotyczące statusu prawnego danych treningowych, patentowalności rozwiązań algorytmicznych oraz praw do utworów generowanych przez sztuczną inteligencję w sektorze finansowym. K_W06
samodzielnie i zespołowo przygotować analizy, diagnozy i raporty dotyczące złożonych i nietypowych problemów związanych z finansami cyfrowymi w organizacjach, komunikatywnie je prezentować zróżnicowanym grupom odbiorców oraz prowadzić debatę, także w języku angielskim, wykorzystując zaawansowane narzędzia informatyczno-komunikacyjne. K_U03
Student potrafi samodzielnie oraz w zespole opracowywać zaawansowane analizy i raporty dotyczące nietypowych problemów finansów cyfrowych, a następnie komunikatywnie prezentować je (również w języku angielskim) zróżnicowanym odbiorcom i prowadzić debatę, wykorzystując przy tym nowoczesne narzędzia ICT oraz uwzględniając kontekst prawny, etyczny i cywilizacyjny. K_U06
Student potrafi samodzielnie i zespołowo opracowywać zaawansowane raporty dotyczące złożonych problemów finansów cyfrowych oraz komunikatywnie prezentować je (również w języku angielskim) z użyciem narzędzi ICT, wykazując przy tym pełną odpowiedzialność za przestrzeganie i rozwijanie standardów etycznych oraz dbanie o dorobek zawodu finansisty w dobie algorytmizacji. K_K05
Kryteria oceniania
kolokwium np. test na platformie e–learningowej, aktywność
Praktyki zawodowe
-
Literatura
1. Przewodnik po pakiecie R, Przemysław Biecek, OFICYNA WYDAWNICZA GiS, 2017
2. Sztuczna inteligencja w finansach. Yves Hilpisch, Helion, 2022
3. Praktyczne uczenie maszynowe, Marcin Szeliga, PWN, 2019
4. Uczenie maszynowe w języku R, Brett Lantz, Helion, 2024
5. Język R w data science, Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund, Helion, 2024.
|
W cyklu 2026Z:
1. Przewodnik po pakiecie R, Przemysław Biecek, OFICYNA WYDAWNICZA GiS, 2017 |
Uwagi
|
W cyklu 2026Z:
Realizacja wymaga sali komputerowej z dostępem do środowiska R oraz RStudio |