Kod przedmiotu 02 96 6278 00
Liczba punktów ECTS 5
Nazwa w języku prowadzenia 
Projekt zespołowy
Nazwa w języku polskim Projekt zespołowy
Nazwa w języku angielskim 
Team Project
Język prowadzenia zajęć polski
Formy zajęć
Liczba godzin w semestrze
Wykład Ćwiczenia Laboratorium Projekt Seminarium Inne E-learning
Godziny kontaktowe 10 60
Kształcenie na odległość Nie Nie Nie Nie Nie Nie Nie
Udział wagowy w ocenie końcowej. 1,00 0
Jednostka prowadząca Instytut Informatyki Stosowanej
Kierownik przedmiotu dr hab. inż. Jacek Kucharski, prof. dr hab. inż. Krzysztof Ślot
Realizatorzy przedmiotu dr hab. inż. Anna Fabijańska, dr hab. Szymon Grabowski, prof. dr hab. inż. Adam Pelikant, dr hab. inż. Wojciech Tylman
Wymagania wstępne 
Podstawowe, praktyczne umiejętności w projektowaniu i implementacji metod sztucznej inteligencji i uczenia maszynowego.
Przedmiotowe efekty uczenia się
  1. Umiejętność projektowania i prototypowania innowacyjnego rozwiązania wykorzystującego metody sztucznej inteligencji i uczenia maszynowego odpowiednie do danego zagadnienia,
  2. Umiejętność efektywnej pracy w grupie.
  3. Umiejętność dokonania przeglądu istniejących rozwiązań oraz publikacji badawczych w celu ustalenia stanu wiedzy w danej dziedzinie.
  4. Umiejętność oceny, wyboru i integracji różnych elementów technologii informacyjnych w jednym rozwiązaniu.
  5. Umiejętność podejmowania adekwatnych decyzji z uwzględnieniem dostępnych zasobów ludzkich i ograniczeń czasowych
Metody weryfikacji przedmiotowych efektów uczenia się Raporty z projektu, obserwacja aktywności i wkładu do realizacji projektu, prezentacje wyników prac, ewentualne zgłoszenie konferencyjne
Kierunkowe efekty uczenia się
  1. Zna i rozumie główne tendencje rozwojowe informatyki w obszarze sztucznej inteligencji i uczenia maszynowego
  2. Zna i rozumie pozatechniczne uwarunkowania prowadzenia działalności inżynierskiej i badawczej związanej ze sztuczną inteligencją i uczeniem maszynowym, również dotyczące aspektów ekonomicznych, prawnych i etycznych.
  3. Potrafi przeanalizować złożony problem i zaproponować jego innowacyjne rozwiązanie, wykazując się kreatywnością w łączeniu wiedzy z obszaru tematycznego sztucznej inteligencji i powiązanych, innych dziedzin informatyki, a także dyscyplin specyficznych dla danego problemu, z uwzględnieniem zmieniających się oraz nieprzewidywalnych uwarunkowań.
  4. Potrafi zaprojektować, zaimplementować i ocenić system lub algorytm przetwarzania i analizy informacji wykorzystujący elementy sztucznej inteligencji i uczenia maszynowego, spełniający narzucone wymagania, dokonując przy tym wyboru odpowiednich do tego celu technik i narzędzi, a w razie potrzeby dostosować istniejące lub utworzyć nowe techniki i narzędzia.
  5. Potrafi łączyć teorie, wiedzę specjalistyczną z różnych obszarów informatyki oraz wyniki prac badawczych w obszarze sztucznej inteligencji i uczenia maszynowego w procesie budowy rozwiązania.
  6. Jest gotów do odpowiedzialnego pełnienia ról zawodowych i społecznych, w oparciu o zasady prawne i etyczne, myśląc i działając w sposób przedsiębiorczy.
  7. Jest gotów do krytycznej oceny posiadanej wiedzy i odbieranych treści, w tym założeń, wywodów i danych przedstawianych na ich poparcie, do uznawania znaczenia wiedzy w rozwiązywaniu problemów oraz do zasięgania opinii ekspertów, a także wskazania tematyki w której sam może pełnić rolę eksperta.
Formy i warunki zaliczenia przedmiotu Ocena formująca: - w trakcie trwania kursu, na podstawie zaangażowania i wkładu w projekt, na bazie spotkań tygodniowych, aktywności w obydwu fazach projektu. Ocena końcowa, podsumowująca jest wystawiana na podstawie następujących elementów pracy indywidualnej i grupowej: - indywidualnie na podstawie wkładu w projekt oraz poziomu wystąpienia w prezentacji końcowej (50%), - grupowo na podstawie trzech elementów (50%): 1. Wartości technicznej rozwiązania, 2. Zawartości i formy prezentacji końcowej projektu, 3. Raportu końcowego.
Szczegółowe treści przedmiotu Projekty prowadzone w grupach 4-5 studentów przy udziale prowadzącego; w miarę potrzeb możliwe konsultacje z innymi akademikami lub praktykami z przemysłu, - spotkania robocze z prowadzącym, - projekt prowadzony w dwóch fazach: 1. Faza definiowania problemu i wstępne badanie rynku lub przegląd literatury 2. Realizacja - faza opracowywania rozwiązania problemu, - odrębne problemy proponowane dla każdej z grup studentów; możliwy jest wybór projektów na podstawie preferencji studentów lub przydzielanie (losowe lub arbitralne) studentów do grup problemowych, - zagadnienia problemowe projektowane zgodnie z założonymi efektami uczenia się, przy czym wskazany jest: 1. Wybór zagadnień ze styku AI, ML, informatyki i innych dziedzin lub zastosowania AI i ML w ważnych domenach życia. 2. Wybór problemów, których rozwiązanie pomoże w ważnych sferach życia w znaczeniu społecznym i publicznym. 3. Dobór zagadnień, których rozwiązaniami mogą być średniej wielkości modele lub algorytmy AI lub mniejsze rozwiązania, ale o specyficznej, dedykowanej do nietypowych zastosowań lub wysoce złożonej logice i architekturze.
Literatura podstawowa 
brak
Literatura uzupełniająca 
brak
Bilans godzin
Forma zajęć Liczba godzin
Projekt 10
Inne 60
SUMA : 70
Uwagi 

                    

                    

                        Data aktualizacja karty 
                        2021-12-07 17:48:47