Narzędzia sztucznej inteligencji 1000-2D22SI
Seminarium jest wspólne dla dwóch kierunków studiów, zarówno dla informatyków jak i matematyków.
Na seminarium studenci wygłaszają prezentacje na wybrane tematy dotyczące metod/narzędzi SI lub bezpośrednio swojej pracy magisterskiej. Prowadzący wspomagają listą proponowanych tematów jak również służą pomocą konsultacyjną. Na jednych zajęciach odbywa się jedna lub max dwie prezentacje.
Przykładowe obszary techniczne:
- architektury sieci neuronowych, te najnowsze np. Transformer, KAN jak i starsze np. LSTM, ResNet. Zarówno modele ogólne jak również szczegółowe.
- transfer learning
- techniki XAI np. LIME, Shap, Saliency Maps
- matematyczne podstawy AI
- techniki klasteryzacji, redukcji wymiarowości i selekcji cech
- modele drzewiaste
- bagging oraz boosting
- modele SVM
- metaheurystyki np. PSO, symulacyjne wyżarzanie
- podejścia ewolucyjne np. strategie ewolucyjne, algorytmy genetyczne
- metody reprezentacji wiedzy
- metody działania w warunkach niepewności, niepełnej informacji
- logika rozmyta i rozumowanie rozmyte
- zagadnienia związane z ML Operations (MLOps), utrzymywaniem, monitorowaniem, testowaniem, operacjonalizacją, wdrażaniem na produkcji modeli ML
Przykładowe obszary zastosowań:
- computer vision
- przetwarzanie języka naturalnego (NLP)
- przetwarzanie audio
- medycyna
- biotechnologia, biologa, chemia
- robotyka
- finanse
- gry
- problemy transportowe, logistyka
- autonomiczne pojazdy
- optymalizacja kombinatoryczna
Rodzaj przedmiotu
Tryb prowadzenia
Założenia (lista przedmiotów)
Eksploracja i przetwarzanie dużych zbiorów danych
Systemy uczące się
Sztuczna inteligencja i systemy doradcze
Wnioskowanie i obliczenia aproksymacyjne
Koordynatorzy przedmiotu
W cyklu 2024: | W cyklu 2023: |
Efekty kształcenia
Studenci przygotowują i wygłaszają referaty seminaryjne (K_U11) w oparciu o najnowszą literaturę dotyczącą przetwarzania języka naturalnego (K_U14, K_K08), w tym z konferencji i czasopism ACM i IEEE (K_K07). Wiele referatów omawia badania interdyscyplinarne, prowadzone w zespołach o mieszanym składzie, z istotną rolą nie-informatyków (K_K02).
Od studenta referującego oczekujemy nie tylko zrelacjonowania artykułu, ale także wyrażenia własnej opinii o nim (K_K06), a od słuchaczy udziału w dyskusji, gdy referują inne osoby (K_K02).
Referaty drugiego rodzaju są związane z tworzeniem pracy magisterskiej (K_U13), w tym te pierwsze, niedługo po ustaleniu tematu, gdy trzeba zaprezentować samodzielnie przygotowany plan pracy i zdobycia wiedzy niezbędnej do zrealizowania tematu (K_K01, K_U15,K_K03).
Kryteria oceniania
1. Warunki formalne: zatwierdzenie tematu pracy magisterskiej (1. rok).
2. Wygłoszenie przydzielonych referatów, minimum jednego w każdym semestrze
3. Frekwencja minimum 50% z zajęć.
Literatura
Współczesna literatura z tej dziedziny, w tym czasopisma naukowe (np. Science, Applied Soft Computing, Information Sciences, IEEE Transactions on Neural Networks) i artykuły z konferencji (np. AAAI, IJCAI, CVPR, NeurIPS).
Ze względu na to, że tematyka co roku na seminarium może być nowa oraz na fakt, że dyskutujemy na tematy wybrane przez studentów, zakres literatury jest ogromnie szeroki i dedykowany do konkretnych wybranych tematów. Szczegóły przedstawią prowadzący na pierwszych zajęciach.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: