Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Sztuczna inteligencja w biznesie
Koordynator przedmiotu:
dr hab. Wodecki Andrzej
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Zarządzanie
Grupa przedmiotów:
Specjalność: Zarządzanie w gospodarce cyfrowej
Kod przedmiotu:
-
Semestr nominalny:
4 / rok ak. 2022/2023
Liczba punktów ECTS:
2
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
2 ECTS 15h wykład + 15h laboratorium +5h nauka własna + 12h przygotowanie projektu +3h konsultacji = 50h
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1,3 ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
-
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia0h
  • Laboratorium15h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
-
Limit liczby studentów:
- od 15 osób do limitu miejsc w sali audytoryjnej (wykład) - od 8 osób do limitu miejsc w sali laboratoryjnej (laboratorium)
Cel przedmiotu:
Wykształcenie umiejętności formułowania uzasadnień biznesowych dla projektów wykorzystujących metody uczenia maszynowego i sztucznej inteligencji
Treści kształcenia:
Wykład: 1. Wprowadzenie: zakres przedmiotu, podstawowe pojęcia i źródła wiedzy 2. Najważniejsze technologie sztucznej inteligencji a. Internet rzeczy b. Systemy umożliwiające przetwarzanie dużych ilości danych (infrastruktura BigData) c. Systemy umożliwiające tworzenie aplikacji wykorzystujących uczenie maszynowe i algorytmy sztucznej inteligencji 3. Scenariusze użycia i uzasadnienia biznesowe projektów ML/AI a. Praktyczne zastosowania rozwiązań wykorzystujących ML/AI (rozpoznawanie obrazu, przetwarzanie i generowanie języka naturalnego, prognozowanie, interfejsy konwersacyjne, twórczość) b. Przegląd rozwiązań oferowanych przez dostawców systemów ML/AI c. Przykładowe scenariusze użycia i uzasadnienia biznesowe w kluczowych obszarach funkcyjnych organizacji 4. Planowanie i realizacja projektów ML/AI a. Metodyki prowadzenia projektów ML/AI (CRISP-DM, metodyki zwinne) b. Najważniejsze technologie, architektury i modele udostępniania rozwiązań ML/AI (w tym: SaaS, API) c. Planowanie i zarządzanie ryzykiem projektów ML/AI 5. Trendy rozwoju ML/AI Laboratorium: W ramach laboratorium studenci stworzą uzasadnienie biznesowe i plan wdrożenia projektu wykorzystującego uczenie maszynowe/sztuczną inteligencję do usprawnienia procesów w wybranej organizacji. Prace podzielone zostaną na następujące etapy: 1. Wybór obszaru funkcyjnego/procesu biznesowego 2. Przegląd rozwiązań dostawców i scenariuszy użycia ML/AI w wybranych obszarze 3. Uzasadnienie biznesowe dla wdrożenia takiego rozwiazania (w tym analiza kosztów/korzyści) 4. Projekt architektury rozwiązania i lista niezbędnych zasobów (zarówno infrastrukturalnych, jak i ludzkich) 5. Plan projektu wdrożenia. Na koniec zajęć każda z grup przedstawi prezentację swojego projektu.
Metody oceny:
Wykład: 1. Ocena formatywna:: ocena udziału w pracy zbiorowej 2. Ocena sumatywna : sprawdzian pisemny; forma: test; ocena w zakresie 2 – 5; zaliczenie: uzyskanie oceny >=3 Laboratorium: 1. Ocena formatywna: projekt, prezentacja 2. Ocena sumatywna: oceny projektu i prezentacji Końcowa ocena z przedmiotu: Suma ważona ocen projektu (80%) i prezentacji (20%)
Egzamin:
nie
Literatura:
Obowiązkowa: 1. Kaplan J., Szymański S. 2019, Sztuczna inteligencja. Co każdy powinien wiedzieć? Warszawa: Wydawnictwo Naukowe PWN 2. Błażewicz G. 2021, Marketing automation: w kierunku sztucznej inteligencji i hiperpersonalizacji, Warszawa: Wydawnictwo Naukowe PWN Uzupełniająca: 1. Hurbans R., 2021, Algorytmy sztucznej inteligencji. Ilustrowany przewodnik, Gliwice: Helion 2. Szeliga M., 2019, Praktyczne uczenie maszynowe, Warszawa: Wydawnictwo Naukowe PWN 3. Boschetti A., Massaron L., 2017. Python. Podstawy nauki o danych. Wydanie II , Gliwice: Helion 4. De Ponteves H. 2021, Sztuczna inteligencja: błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego, Gliwice: Helion 5. Andrzej Wodecki, Artificial Intellgence in Value Creation: improving competitive advantage, Palgrave MacMilla, 2019
Witryna www przedmiotu:
moodle.usos.pw.edu.pl
Uwagi:
-

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka Z1_WG9
Absolwent zna i rozumie w zaawansowanym stopniu współczesne technologie informacyjne z zakresu metod uczenia maszynowego i sztucznej inteligencji co pozwala mu być świadomym ich użytkownikiem i znaleźć ich zastosowania w organizacjach
Weryfikacja: Wykład – sprawdzian pisemny Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - umiejętności

Charakterystyka Z1_UK10
Absolwent potrafi porozumiewać się w sposób profesjonalny, przy użyciu terminologii właściwej dla sztucznej inteligencji
Weryfikacja: Wykład – sprawdzian pisemny Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:
Charakterystyka Z1_UO13
Absolwent potrafi wykorzystywać posiadaną wiedzę, narzędzia oraz techniki informacyjno-komunikacyjne do planowania i organizowania pracy indywidualnej oraz w zespołach
Weryfikacja: Wykład – sprawdzian pisemny Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:
Charakterystyka Z1_UW7
Absolwent dzięki umięjętności analizy oraz zrozumieniu potrzeb użytkownika końcowego potrafi w sposób efektywny organizacyjnie i ekonomicznie dobrać rozwiązania technologiczne z zakresu uczenia maszynowego i sztucznej inteligencji wdrożyć je w organizacji i doskonalić
Weryfikacja: Wykład – sprawdzian pisemny Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka Z1_KK1, Z1_KK2, Z1_KO4
Absolwent rozumie jak istotna jest jego własna wiedza z zakresu sztucznej inteligencji dla funkcjonowania i pokonywania problemów w organizacji oraz dla działania w sposób przedsiębiorczy. Jest gotów do jej krytycznej oceny i zasięgania opinii ekspertów w tej dziedzinie
Weryfikacja: Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe: