AI in Business 2600-MSdz2AIBen
Kurs przedstawia kompleksowy przegląd Sztucznej Inteligencji (Artificial Intelligence, SI / AI) – od jej wczesnej historii po najnowsze duże modele językowe (LLM) oraz usługi ją wykorzystujące. Studenci poznają:
* korzystanie z narzędzi internetowych (ChatGPT, Gemini, Perplexity, Notepad LLM), usługi chmury AWS,
* uruchamianie modeli LLM lokalnie,
* generowanie obrazów tworzonych przez AI,
* budowanie pipeline'ów RetrievalAugmented Generation (RAG), * korzystanie z grafów wiedzy,
* projektowanie prostych agentów AI,
* zagrożenia dla bezpieczeństwa AI,
* zarządzanie kosztami przy użyciu AI,
* AI w marketingu, badaniach i edukacji, zaawansowaną konfigurację i dopracowywanie LLM
Rodzaj przedmiotu
Tryb prowadzenia
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza
K_W05 – Znajomość kluczowych kamieni milowych w rozwoju AI.
K_W06 – Rozróżnianie klasycznych paradygmatów ML, deep learning i LLM.
K_W07 – Znajomość głównych publicznych usług AI i oferty AWS Bedrock.
K_W08 – Możliwość wyboru między chmurowym a lokalnym opensource LLM w zależności od przypadku użycia.
K_W09 – Zrozumienie zagadnień RAG i roli grafów wiedzy (RAGgraph).
K_W10 – Wiedza na temat zastosowania AI w marketingu i handlu.
K_W11 – Wiedza na temat możliwości wykorzystania AI w badaniach i edukacji.
K_W12 – Zrozumienie roli i ograniczeń fine-tuningu modeli LLM.
K_W13 – Zrozumienie czynników optymalizacji kosztów usług AI.
Umiejętności
K_U01 – Generowanie i ocena obrazów stworzonych przez AI dla zastosowań biznesowych.
K_U02 – Umiejętność zbudowania podstawowego agenta AI i oceny jego poziomu automatyzacji oraz ograniczeń.
K_U03 – Identyfikacja głównych zagrożeń bezpieczeństwa AI.
Kompetencje społeczne
K_K01 – Umiejętność krytycznej oceny zastosowania AI w organizacjach i projektach.
K_K07 – Umiejętność refleksyjnego analizowania społecznych, etycznych i biznesowych konsekwencji stosowania AI, wykazując się odpowiedzialnym podejściem w procesie podejmowania decyzji.
Kryteria oceniania
Udział w zajęciach i egzaminie pisemnym – 100% oceny końcowej. Egzamin będzie testował teorię, praktyczne zastosowanie prompt-engineering, projektowanie RAG, zarządzanie kosztami, fine-tuning modeli oraz zagadnienia bezpieczeństwa.
Egzamin pisemny (0,5 godziny, zdalnie, poprzez Zoom)
Literatura
1. Agentic Artificial Intelligence: Harnessing AI Agents to Reinvent Business, Work, and Life by Pascal Bornet
2. Intelligent Automation: Learn How to Harness Artificial Intelligence to Boost Business & Make Our World More Human by Pascal Bornet
3. ChatGPT is bullshit - Michael Townsen Hicks, James Humphries, Joe Slater
4. Build a RAG agent with LangChain - https://docs.langchain.com/oss/python/langchain/rag
5. AWS Bedrock documentation - https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: