Uniwersytet Marii Curie-Skłodowskiej w Lublinie - Centralny System Uwierzytelniania
Strona główna

Sztuczna inteligencja i sieci społecznościowe

Informacje ogólne

Kod przedmiotu: PS-RZL.2SIII.1
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Sztuczna inteligencja i sieci społecznościowe
Jednostka: Wydział Pedagogiki i Psychologii
Grupy:
Punkty ECTS i inne: 1.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Wymagania wstępne:

Logika i jej zastosowania w praktyce.

Godzinowe ekwiwalenty punktów ECTS:

15h - wykłady

30h - praca własna studenta

Sposób weryfikacji efektów kształcenia:

W1, W3, P1, U2, U2 Prace zaliczeniowe oraz ćwiczenia



Pełny opis:

Zaznajomienie studentów z przedmiotem badań w zakresie sztucznej inteligencji (si) oraz podstawową wiedzą w tym zakresie, a także z metodami opisu i rozwiązywania problemów charakterystycznych dla zastosowań si.

Literatura:

1. Stuart Russel, Peter Norvig: Artificial Intelligence: A Modern Approach. Global Edition. Pearson 2016

2. T. Żurek: Metody Sztucznej inteligencji. UMCS 2011

3. Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep Learning. Cambridge, MA: MIT Press, 2016.

Efekty uczenia się:

Student zna i rozumie podstawy i zasadę działania wybranych algorytmów uczenia maszynowego sztucznej inteligencji oraz metody i teorie wyjaśniające złożone zależności między nimi (ma ogólną wiedzę w zakresie teoretycznych podstaw informatyki) – K_W03

Student zna podstawy mechanizmów uczenia maszynowego (ma znajomość technik przygotowywania danych dla algorytmów SI), w tym zasady zarządzania cyfrowymi zasobami własności intelektualnej – K_W05

Umiejętności:

Student potrafi wykorzystać algorytm wykorzystujący mechanizmy uczenia maszynowego (ma umiejętność wykorzystania algorytmów) – K_U01

Student potrafi opisać zagadnienia z obszaru uczenia maszynowego w sposób zrozumiały (potrafi mówić i pisać o zagadnieniach informatycznych zrozumiałym, potocznym językiem w języku polskim i języku obcym) a także oceniać krytycznie użyteczność i efektywność sztucznej inteligencji w rozwiązywaniu skomplikowanych problemów – K_U01

Kompetencje społeczne:

Student zdaje sobie sprawę z szybkiego rozwoju uczenia maszynowego i rozumie potrzebę poszerzania własnej wiedzy (zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia) oraz docenia rolę wiedzy oraz krytycznej oceny użyteczności i skuteczności sztucznej inteligencji w rozwiązywaniu problemów teoretycznych i praktycznych – K_K02

Zajęcia w cyklu "Semestr zimowy 2024/2025" (zakończony)

Okres: 2024-10-01 - 2025-02-03
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 15 godzin więcej informacji
Koordynatorzy: Michał Chromiak
Prowadzący grup: Michał Chromiak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2025/2026" (jeszcze nie rozpoczęty)

Okres: 2025-10-01 - 2026-02-24
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 15 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Marii Curie-Skłodowskiej w Lublinie.
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.2.0