Sztuczna Inteligencja ONLINE

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.

Na lekcji uczniowie poznają podstawy pracy z Dockerem. Dowiedzą się, czym są kontenery, do czego służą i dlaczego ułatwiają uruchamianie różnych programów. Nauczą się rozróżniać kontener od maszyny wirtualnej, uruchamiać gotowe obrazy oraz tworzyć proste środowiska za pomocą Docker Compose. Uczniowie zrozumieją, jak mapować porty i foldery, aby aplikacje działające w kontenerach były dostępne z poziomu ich komputera. Wiedzę zdobytą na dzisiejszych zajęciach wykorzystamy w dalszej części kursu tworząc kontenery m.in do uruchomienia n8n oraz bazy danych.

Na dzisiejszych zajęciach poznamy podstawy baz danych oraz języka SQL, który umożliwia ich tworzenie, przeglądanie i modyfikowanie. Zdobyta wiedza będzie stanowiła fundament do dalszej pracy z agentami AI, które często wykorzystują bazy danych do gromadzenia i przetwarzania informacji.

Na zajęciach zapoznamy się z low-code narzędziem n8n, które umożliwia tworzenie zaawansowanych systemów AI. W ramach zajęć stworzymy system, który odbiera e-maile i wysyła ich streszczenie na dedykowany kanał na discordzie.

Na dzisiejszej lekcji dowiemy się jak zintegrować n8n z bazą danych PostgreSQL. Wykorzystamy tą wiedzę aby wykorzystać AI do automatycznego uzupełnienia brakujących informacji w bazie danych.

Na zajęciach zaczniemy tworzyć system pozwalający na rating (ocenę) filmów na podstawie komentarzy. Docelowo system będzie też generował wskazówki w jaki sposób tworzyć kolejne filmy aby utrzymać i zwiększyć publiczność.

W trakcie zajęć dokończymy tworzyć system ratingowy filmów

Na zajęciach dowiemy się czym jest RSS oraz czym różni się od API. Dodatkowo stworzymy prosty skrypt przeliczający kurs walut na podstawie aktualnego kursu oraz bardziej rozbudowane flow pobierający komentarze do najnowszych filmów opublikowanych na wskazanym kanale yt.

Na zajęciach uczniowie skorzystają z wiedzy zdobytej tydzień temu aby samodzielnie zaimplementować system śledzący newsy na portalach gamingowych.

W trakcie zajęć uczniowie zapoznają się z zagadnieniem RAG i stworzą chatbota rozbudowanego o ten mechanizm.

W trakcie zajęć uczniowie dowiedzą się czym są metadane w kontekście systemów RAG.

Na zajęciach uczniowie dowiedzą się czym jest prompt injection i jakie niebezpieczeństwa za sobą niesie. Spróbują również swoich sił zarówno próbując obejść zabezpieczenia AI jak i zabezpieczyć system.