Systemy inteligentne 500-KS1-3SIN

Profil studiów: ogólno-akademicki
Forma studiów: stacjonarne
Rodzaj przedmiotu: obowiązkowy
Dziedzina / dyscyplina: nauki humanistyczne / filozofia, nauki o komunikacji społecznej i mediach
Rok studiów / semestr: 3/5
Wykład: 30 h
Metody dydaktyczne: wykład, konsultacje.
Punkty ECTS: 2
Bilans nakładu pracy studenta:
udział w wykładach – 30 h
udział w konsultacjach – 2 h
zapoznanie się z literaturą -- 15 h
przygotowanie do zajęć -- 3 h
przygotowanie do zaliczenia wykładu – 12 h
zaliczenie wykładu -- 2 h
Wskaźniki ilościowe:
nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela: 34 h, 1 ECTS

Koordynatorzy przedmiotu

Anna Gomolińska

Rodzaj przedmiotu

obowiązkowe

Założenia (lista przedmiotów)

Sztuczna inteligencja

Tryb prowadzenia przedmiotu

w sali

Efekty kształcenia

Absolwent zna i rozumie:
- podstawowe technologie informacyjne wykorzystywane do wspomagania procesów poznawczych i komunikacyjnych: KP6_WG2;
- metody sztucznej inteligencji wykorzystywane w modelowaniu systemów inteligentnych: KP6_WG3.
Absolwent potrafi:
- posługiwać się technologiami i narzędziami informatycznymi do pozyskiwania informacji oraz wspomagania procesów poznawczych i
komunikacyjnych: KP6_UW7.
Absolwent jest gotów do:
- bycia otwartym na nowe tendencje w zakresie systemów inteligentnych: KP6_KK2;
- podnoszenia kwalifikacji zawodowych oraz kompetencji osobistych, w tym etycznych: KP6_KR1;
- dobierania właściwych metod służących do realizacji zadań poznawczych i komunikacyjnych: KP6_KR3;
- wykorzystania zdobytej wiedzy do rozwiązywania problemów związanych z wykonywaniem zawodu zgodnie z zasadami etyki zawodowej oraz dbałością o dorobek i tradycję zawodu: KP6_KR4.
Sposób weryfikacji osiągnięcia zamierzonych efektów: zaliczenie w formie pisemnej (test, zagadnienia do opracowania).

Kryteria oceniania

Metody kształcenia: wykłady. Zaliczenie w formie pisemnej lub ustnej (test,
opracowanie zagadnień). Warunkiem zaliczenia przedmiotu jest uzyskanie oceny co najmniej dostatecznej (co najmniej 51% punktów otrzymanych na zaliczeniu). W razie nieobecności na zajęciach student ma obowiązek samodzielnie nadrobić zaległości.

Literatura

1. Goodfellow, I., Bengio, Y., and Courville, A., Deep Learning. Systemy uczące się, Wydawnictwo Naukowe PWN, Warszawa 2018.
2. Patterson, J., Gibson, A., Deep Learning: A Practitioner’s Approach, O’Reilly Media, 2017 (polskie wydanie, Helion, 2018).
3. Raschka, S., Stwórz własne AI. Jak od podstaw zbudować duży model językowy, Helion, Gliwice 2025.
4. Russell, S. J., Norvig, P., Artificial Intelligence. A Modern Approach, 3rd Ed., Pearson, 2014.
5. Rutkowski, L., Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, Wydawnictwo Naukowe PWN, Warszawa 2012.
6. Zasoby internetowe dotyczące tematyki systemów inteligentnych.

W cyklu 2026:

1. Caelen, O., Blete, M.-A.,Tworzenie aplikacji z wykorzystaniem GPT-4 i ChatGPT, wyd. 2, Helion, Gliwice 2025.
2. Goodfellow, I., Bengio, Y., and Courville, A., Deep Learning. Systemy uczące się, Wydawnictwo Naukowe PWN, Warszawa 2018.
3. Patterson, J., Gibson, A., Deep Learning: A Practitioner’s Approach, O’Reilly Media, 2017 (polskie wydanie, Helion, 2018).
4. Raschka, S., Stwórz własne AI. Jak od podstaw zbudować duży model językowy, Helion, Gliwice 2025.
5. Russell, S. J., Norvig, P., Artificial Intelligence. A Modern Approach, 3rd Ed., Pearson, 2014.
6. Rutkowski, L., Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, Wydawnictwo Naukowe PWN, Warszawa 2012.
7. Zasoby internetowe dotyczące tematyki systemów inteligentnych.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 500-KS1-3SIN w USOSweb