Przedmiot: informatyka
Poziom: szkoła ponadpodstawowa
Czas trwania:  (5.01-15.02).2026 (z przerwą na ferie)

Wstęp do projektowania sieci neuronowych

 

Cel kursu:

Kurs jest kierowany do uczniów szkół ponadpodstawowych i stanowi wprowadzenie do zagadnień z obszaru sztucznej inteligencji (AI) i uczenia maszynowego (Machine Learning, ML). Połączenie ćwiczeń teoretycznych i praktycznych, wykorzystując m.in. proste przykłady i analogie, interaktywne narzędzia oraz samodzielne projekty z użyciem języka Python, umożliwi nie tylko zrozumienie podstawowych pojęć AI i ML i poznanie sposobów działania algorytmów uczenia maszynowego, ale też nabycie podstawowych umiejętności z zakresu projektowania modeli ML. Zajęcia mają charakter warsztatowy i będą realizowane w środowisku przeznaczonym do rozwiązywania tego typu problemów. Oprócz uczenia maszynowego, kurs wprowadzi również w tematy pomocnicze, m.in. z zakresu analizy danych oraz ich wizualizacji.

Opis kursu:

Kurs w pierwszej części będzie przede wszystkim wprowadzeniem do tematyki AI, przedstawiającym różne modele ML, rodzaje algorytmów uczenia oraz ich przykładowe zastosowania. Omówiony zostanie również problem etyki AI, prezentujący najważniejsze zagrożenia związane z dynamicznym rozwojem sztucznej inteligencji.
Kolejny etap kursu będzie przygotowywał do samodzielnego projektowania modeli uczenia maszynowego. Uczniowie będą mieli możliwość przygotowania środowiska programistycznego, niezbędnego do podjęcia prób praktycznej implementacji algorytmów AI. Zaprezentowane zostaną też podstawowe narzędzia do programowej obróbki danych wraz z przykładowym problemem do samodzielnego rozwiązania.
Ostatni etap będzie połączeniem teorii z praktyką. Część zagadnień teoretycznych zostanie rozwinięta na potrzeby rozwiązywania konkretnych problemów praktycznych. Omówione zostaną pojęcia z obszaru przetwarzania obrazu oraz tekstu. Uczniowie będą mieli możliwość zdefiniowania własnego problemu lub skorzystania z problemu postawionego przez prowadzącego kurs w celu przygotowania rozwiązania, bazującego na modelu ML. Kurs podsumowany zostanie nauką analizy oraz prezentacji otrzymanych wyników.

Metody dydaktyczne:

Wstęp teoretyczny będzie wspomagany systemem quizów i ankiet, pozwalających na obustronną weryfikację postępów – prowadzący może ocenić, która część sprawia uczniom najwięcej problemów, a uczniowie otrzymują informację zwrotną czy prawidłowo rozumieją omawiane treści. Część projektowa pozwoli natomiast na odniesienie poznanej teorii do rozwiązywania praktycznych problemów. Z jednej strony uczniowie będą mieli możliwość zapoznać się z narzędziami ML, z drugiej zaś samodzielnie przetestować korzystanie z nich.

Prowadzący: mgr inż. Alicja Olejniczak

Zapisy poprzez Formularz zgłoszeniowy

HARMONOGRAM KURSU

MODUŁ TEMAT ZAGADNIENIA LICZBA GODZ.
(w tym pracy własnej)
I 1 Wprowadzenie do AI i ML  2
2 Rodzaje uczenia maszynowego, algorytmy uczenia  2
3 Etyka AI  1
II 4 Środowisko ML  2
5 Zbiory danych – analiza i obróbka  2
III 6 Drzewa decyzyjne  1
7 Przetwarzanie obrazu  2
8 Przetwarzanie tekstu  2
IV 9 Problem własny (np. rozpoznawanie odręcznie pisanych cyfr) - przygotowanie  2
10 Problem własny (np. rozpoznawanie odręcznie pisanych cyfr) - realizacja  2
V 11 Sposób prezentacji i analizy wyników  2

Kurs e-learningowy poprowadzony zostanie na uczelnianej platformie Moodle Politechniki Gdańskiej: https://enauczanie.pg.edu.pl/moodle/