Sztuczna Inteligencja

Celem zajęć jest przedstawienie uczestnikom pojęcia AI. Dodatkowo przedstawione zostanie pojęcie LLM oraz narzędzia działające w oparciu o LLM.

Na zajęciach przedstawione zostanie uczniom zagadnienie prompt engineeringu i zasady pisania jakościowych promptów.

Na zajęciach uczniowie zostaną zapoznani z historią AI. Przedstawione zostanie również zagadnienie prompt engineeringu i zasady pisania jakościowych promptów.

Na zajęciach uczniowie zostaną zapoznani z historią AI. Przedstawione zostaną również narzędzia do generowania obrazów, oraz sposób w jaki konstruować do nich prompty.

Celem lekcji jest przedstawić uczniom zagrożenia oraz dylematy etyczne związane z uczeniem i wykorzystywaniem AI.

Na zajęciach uczniowie zapoznają się z narzędziem służącym do wizualizacji danych - biblioteką matplotlib.

Na zajęciach uczniowie zostaną zapoznani z biblioteką pandas.

Na zajęciach uczniowie dowiedzą się czym jest statystyka oraz jak działa regresja. Na zajęciach zaprogramujemy również pierwszy model AI!

Na zajęciach uczniowie dowiedzą się czym jest statystyka oraz jak działa regresja. Na zajęciach zaprogramujemy również pierwszy model AI!

Na zajęciach uczniowie zapoznają się z zagadnieniem klasyfikacji oraz stworzą system klasyfikacji binarnej.

Na zajęciach uczniowie zapoznają się z zagadnieniem klasyfikacji oraz stworzą system klasyfikacji binarnej. Poznają również metryki pozwalające na ocenienie jakości modelu klasyfikacji binarnej.

Celem zajęć jest usystematyzowanie zdobytej wiedzy w trakcie wykonania projektu - symulatora szansy na przeżycie na Titanicu!

Celem zajęć jest usystematyzowanie zdobytej wiedzy w trakcie wykonania projektu - symulatora szansy na przeżycie na Titanicu!

Na zajęciach uczniowie zostaną zapoznani z algorytmem KNN oraz stworzą program klasyfikujący gatunki irysów.

Na zajęciach uczniowie zostaną zapoznani z pojęciami logiki rozmytej, zbioru rozmytego oraz wnioskowania rozmytego.

Na zajęciach uczniowie zapoznają się z sposobem implementacji generowania zbiorów rozmytych oraz przeprowadzania wnioskowania rozmytego w Pythonie.

Na lekcji uczniowie wykorzystają zdobytą wiedzę do rozwiązania samodzielnie problemu klasyfikacji Irysów. Do rozwiązania problemu wykorzystana zostanie logika rozmyta. Głównym celem projektu jest podjęcie próby samodzielnego rozwiązania problemu przez uczniów oraz ocena wyników.

Na zajęciach uczniom przedstawiony zostanie naiwny algorytm Bayesa, który na przyszłych zajęciach zostanie wykorzystany do stworzenia systemu kategoryzacji spamu.

Na zajęciach przygotowany zostanie klasyfikator spamu korzystający z algorytmu naiwnego Bayesa. Na kolejnych zajęciach podepniemy algorytm do skrzynki pocztowej gmail.

Na lekcji zintegrujemy stworzony tydzień temu filtr spamu z skrzynką pocztową gmail.

W trakcie zajęć uczniowie dowiedzą się czym są i jak działają sztuczne neurony, czym jest uczenie głębokie, oraz stworzą swój pierwszy model prostej sieci neuronowej.

Na zajęciach uczniowie zbudują sieć pozwalającą na klasyfikowanie obrazów oraz poznają elementy z których sieci neuronowe się składają.

Celem zajęć jest zaprezentowanie uczniom koncepcji konwolucji.

Na zajęciach zaprezentowane zostaną sieci konwolucyjne. Uczniowie stworzą program klasyfikujący grafiki.

Na zajęciach uczniowie dowiedzą się na czym polega przeuczenie, czym może być spowodowane i jak można je wykryć. Dodatkowo poznają narzędzie do monitoringu nauki sieci neuronowych - tensorboard. Ponadto uczniom zostanie zaprezentowany mechanizm pozwalający na polepszenie jakości zbiorów danych - augmentacja.

Podczas zajęć uczniowie odkryją, w jaki sposób sztuczna inteligencja potrafi tworzyć nowe obrazy, łącząc elementy dwóch różnych fotografii: jednej jako źródła treści, a drugiej jako źródła stylu artystycznego. Poznają pojęcia treści i stylu w obrazach oraz dowiedzą się, jak sieci neuronowe potrafią je rozdzielać i przekształcać.

Celem zajęć jest zaprezentowanie uczniom czym jest i jak działa przetwarzanie języka naturalnego (NLP).

Celem zajęć jest rozszerzenie wiedzy w zakresie reprezentacji wektorowej tekstów oraz obrazów.

Usystematyzujemy naszą wiedze o sieciach neuronowych, esencji AI

Dowiesz się, jak AI może pomagać programistom. Poznasz narzędzia, które automatyzują różne zadania.

Celem zajęć jest poznanie oraz konfiguracja modelu do generowania mowy w Pythonie.

Celem zajęć jest stworzenie programu do rozpoznawania gestów, zebranie danych oraz konfiguracja modelu sieci neuronowej.

Celem zajęć jest kontynuacja projektu rozpoznawania gestów Kamień Papier Nożyce z wykorzystaniem własnych danych treningowych modelu MobileNetV2.

Celem zajęć jest stworzenie własnego projektu wykorzystującego poznane algorytmy sztucznej inteligencji.