Sztuczna inteligencja 500-KS1-2SIN
Profil studiów: ogólno-akademicki
Forma studiów: stacjonarne
Rodzaj przedmiotu: obowiązkowy
Dziedzina / dyscyplina: nauki humanistyczne / filozofia, nauki o komunikacji społecznej i mediach
Rok studiów / semestr: 2/3
Wykład: 15 h, laboratorium: 15 h
Metody dydaktyczne: wykład, zajęcia laboratoryjne, konsultacje.
Punkty ECTS: 2
Bilans nakładu pracy studenta:
udział w wykładach – 15 h
udział w laboratorium – 15 h
udział w konsultacjach – 2 h
przygotowanie do zajęć: wykład -- 3 h, laboratorium -- 7 h
przygotowanie do zaliczenia laboratorium – 10 h
przygotowanie do zaliczenia wykładu – 10 h
zaliczenie wykładu -- 2 h
Wskaźniki ilościowe:
nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela: 34 h, 1 ECTS
Koordynatorzy przedmiotu
Rodzaj przedmiotu
Tryb prowadzenia przedmiotu
Efekty kształcenia
Absolwent zna i rozumie:
- podstawowe technologie informacyjne wykorzystywane do wspomagania procesów poznawczych i komunikacyjnych -- KP6_WG2 (w, lab);
- metody sztucznej inteligencji wykorzystywane w modelowaniu i analizie systemów poznawczych i komunikacyjnych -- KP6_WG3 (w, lab).
Absolwent potrafi posługiwać się technologiami i narzędziami informatycznymi do pozyskiwania informacji oraz wspomagania procesów
poznawczych i komunikacyjnych -- KP6_UW7 (lab).
Absolwent jest gotów do:
- przyjmowania postawy krytycznej w dyskusjach naukowych oraz uznawania znaczenia wiedzy i racjonalnej argumentacji -- KP6_KK1 (lab);
- bycia otwartym na nowe tendencje w dziedzinie sztucznej inteligencji -- KP6_KK2 (w, lab);
- dobierania właściwych metod służących realizacji zadań praktycznych, poznawczych i komunikacyjnych -- KP6_KR3 (lab).
Sposób weryfikacji osiągnięcia zamierzonych efektów: zaliczenie w formie pisemnej (test, zagadnienia do opracowania, zadania, zadania
projektowe), obserwacja na zajęciach.
Kryteria oceniania
Metody kształcenia: wykład, laboratorium, konsultacje.
Zaliczenie wykładu w formie pisemnej lub ustnej. Zaliczenie laboratorium na podstawie wykonanych zadań, zadań projektowych ze sprawozdaniami, opracowań tematów, obserwacji na zajęciach.
Warunkiem zaliczenia przedmiotu jest uzyskanie ocen co najmniej dostatecznych z laboratorium oraz z wykładu. W razie nieobecności na zajęciach student ma obowiązek samodzielnie nadrobić zaległości.
Literatura
1. Bruce, P., Bruce, A., Gedeck, P., Statystyka praktyczna w data science: 50 kluczowych zagadnień w językach R i Python, wyd. 2, Helion, Gliwice 2025.
2. Flasiński, M., Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2011.
3. Russell, S. J., Norvig, P., Artificial Intelligence. A Modern Approach, 3rd Ed., Pearson, 2014.
4. Rutkowski, L., Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, wyd. 2 zmienione, Wydawnictwo Naukowe PWN,
Warszawa 2012.
|
W cyklu 2026:
1. Bruce, P., Bruce, A., Gedeck, P., Statystyka praktyczna w data science: 50 kluczowych zagadnień w językach R i Python, wyd. 2, Helion, Gliwice 2025. |
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: