Aplikacje: kreatywność i zastosowanie DM-KW-NL>AplKreZas
Przedmiot „Aplikacje: Kreatywność i Zastosowanie” stanowi kompleksowe wprowadzenie do nowoczesnych technologii związanych ze sztuczną inteligencją, inżynierią podpowiedzi (prompt engineering), tworzeniem chatbotów oraz programowaniem rozwiązań opartych na Internecie Rzeczy (IoT). Zajęcia łączą w sobie teorię z intensywnymi warsztatami praktycznymi, rozwijając kompetencje niezbędne do twórczego i efektywnego wykorzystania narzędzi cyfrowych we współczesnych aplikacjach.
W ramach kursu studenci zostają zapoznani z mechanizmami działania dużych modeli językowych, takich jak ChatGPT, Claude czy Perplexity, które stanowią fundament współczesnych rozwiązań AI. Szczególny nacisk kładziony jest na rozwój umiejętności w zakresie inżynierii podpowiedzi – techniki optymalizacji zapytań i komunikacji z modelami językowymi w celu uzyskania precyzyjnych oraz wartościowych rezultatów. Studenci uczą się formułować zaawansowane prompty, analizując przykłady oparte na preferencjach filmowych i literackich, co pozwala im zrozumieć, jak sztuczna inteligencja przetwarza dane wejściowe i generuje odpowiedzi.
Kolejnym kluczowym aspektem kursu jest nauka generowania obrazów za pomocą AI. W ramach tego bloku studenci mają okazję eksplorować możliwości nowoczesnych modeli generatywnych i eksperymentować z tworzeniem wizualnych treści na podstawie tekstowych promptów. Zajęcia te rozwijają zarówno umiejętności techniczne, jak i kreatywność w obszarze wykorzystania narzędzi takich jak DALL·E czy Stable Diffusion.
Integralną częścią programu jest moduł poświęcony budowaniu chatbotów opartych na modelach językowych. Studenci pracują w środowisku Botpress, które umożliwia projektowanie oraz wdrażanie inteligentnych botów konwersacyjnych. Dzięki temu zdobywają wiedzę na temat architektury chatbotów oraz mechanizmów integracji z systemami zewnętrznymi, co przygotowuje ich do implementacji podobnych rozwiązań w środowisku profesjonalnym.
W dalszej części kursu studenci mają możliwość zapoznania się z podstawami programowania mikrokontrolerów Raspberry Pi z wykorzystaniem platformy Node-RED. Moduł ten koncentruje się na praktycznym zastosowaniu technologii Internetu Rzeczy (IoT), umożliwiając tworzenie prostych aplikacji zdalnie sterowanych oraz integrację danych z różnych źródeł. Studenci uczą się, jak łączyć mikrokontrolery z rozwiązaniami opartymi na AI, co otwiera przed nimi szerokie perspektywy w zakresie automatyzacji i inteligentnych systemów.
Dodatkową wartość edukacyjną stanowi wizyta studyjna w laboratorium inteligentnych budynków współtworzącego międzynarodową sieć EduNet. Laboratorium, zlokalizowane na Wydziale Inżynierii Elektrycznej i Komputerowej Politechniki Krakowskiej, stanowi doskonałą przestrzeń do zaprezentowania nowoczesnych rozwiązań technologicznych w kontekście inteligentnych systemów zarządzania i automatyki budynkowej.
Całość zajęć wieńczy projekt zaliczeniowy, w ramach którego studenci samodzielnie opracowują rozwiązania oparte na kreatywnym i zautomatyzowanym wykorzystaniu narzędzi cyfrowych, ze szczególnym uwzględnieniem zaawansowanych technik inżynierii podpowiedzi. Projekt ten ma na celu połączenie zdobytej wiedzy teoretycznej z praktycznymi umiejętnościami, a także rozwijanie zdolności do samodzielnego myślenia projektowego i pracy w zespole.
Przedmiot „Aplikacje: Kreatywność i Zastosowanie” przygotowuje studentów do pracy w interdyscyplinarnych zespołach, rozwijając kompetencje potrzebne do wdrażania nowoczesnych technologii w różnych dziedzinach życia i przemysłu. Dzięki połączeniu sztucznej inteligencji, IoT oraz inżynierii podpowiedzi, studenci uzyskują szerokie spojrzenie na możliwości współczesnych rozwiązań technologicznych i ich zastosowań.
Tryb zajęć
Koordynatorzy przedmiotu
W cyklu 2023/2024-Z: | W cyklu 2022/2023-Z: | W cyklu 2024/2025-Z: |
Efekty kształcenia
Wiedza:
Student zna podstawowe zasady działania dużych modeli językowych (np. ChatGPT, Claude, Perplexity) oraz mechanizmy generowania tekstów i obrazów przez sztuczną inteligencję.
Rozumie koncepcje i techniki inżynierii podpowiedzi (prompt engineering) oraz ich zastosowanie w komunikacji z modelami AI.
Zna zasady budowania chatbotów oraz architekturę narzędzi takich jak Botpress.
Posiada wiedzę na temat technologii Internetu Rzeczy (IoT) oraz podstaw programowania mikrokontrolerów Raspberry Pi w środowisku Node-RED.
Umiejętności:
Potrafi tworzyć zaawansowane prompty dostosowane do konkretnych zadań, w celu uzyskania precyzyjnych odpowiedzi od dużych modeli językowych.
Umie generować obrazy przy użyciu sztucznej inteligencji, uwzględniając kreatywne podejście oraz wymogi techniczne.
Samodzielnie projektuje i wdraża chatboty konwersacyjne w środowisku Botpress, dostosowując je do określonych scenariuszy użytkowych.
Potrafi programować mikrokontrolery Raspberry Pi z wykorzystaniem środowiska Node-RED, realizując zadania z zakresu IoT.
Umie integrować rozwiązania oparte na sztucznej inteligencji z elementami automatyzacji w aplikacjach użytkowych.
Kompetencje społeczne:
Student potrafi pracować w zespole nad realizacją projektów, skutecznie komunikując się i współdzieląc zadania.
Wykazuje kreatywność w poszukiwaniu rozwiązań technologicznych oraz otwartość na nowe metody pracy z narzędziami AI i IoT.
Rozumie potrzebę ciągłego rozwijania swoich kompetencji technologicznych i dostosowywania się do dynamicznie zmieniającego się rynku pracy.
Potrafi prezentować i uzasadniać wyniki swojej pracy, zarówno w formie ustnej, jak i pisemnej, z wykorzystaniem odpowiednich narzędzi multimedialnych.
Kryteria oceniania
Metody i kryteria oceniania
Ocena końcowa z przedmiotu „Aplikacje: Kreatywność i Zastosowanie” opiera się na realizacji projektu zaliczeniowego oraz bieżącej aktywności podczas zajęć. Studenci zdobywają punkty za dobrze wykonane zadania, aktywność oraz poprawność realizowanych ćwiczeń. Szczegółowe wytyczne zostały ograniczone, aby uprościć proces oceniania i zapewnić większą elastyczność w ocenie pracy studentów.
Podział oceny końcowej
Projekt zaliczeniowy – 60% oceny końcowej
Bieżąca aktywność – 40% oceny końcowej
Projekt zaliczeniowy polega na stworzeniu aplikacji lub rozwiązania integrującego elementy inżynierii podpowiedzi, generowania obrazów, automatyzacji procesów lub IoT. Ważna jest funkcjonalność, kreatywność oraz dopracowanie projektu. Oceniana jest także umiejętność uzasadnienia przyjętych rozwiązań oraz jakość prezentacji efektów pracy.
Bieżąca aktywność jest oceniana na podstawie systematyczności, zaangażowania oraz poprawności wykonywania zadań podczas zajęć. Kluczowe znaczenie mają regularne uczestnictwo, inicjatywa oraz umiejętność rozwiązywania problemów, które pojawiają się w trakcie realizacji ćwiczeń.
Kryteria oceny
Przy ocenie końcowej brane są pod uwagę:
jakość i funkcjonalność projektu zaliczeniowego,
stopień dopracowania i zgodność z wytycznymi,
aktywność oraz zaangażowanie podczas zajęć,
umiejętność pracy zespołowej oraz rozwiązywania problemów.
Ocena końcowa uwzględnia zarówno efekty pracy indywidualnej, jak i aktywność w trakcie realizacji zadań praktycznych. Wysokie zaangażowanie, systematyczność oraz kreatywność są kluczowe do uzyskania najlepszych rezultatów.
Literatura
Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach. Pearson Education.
Brownlee, J. (2021). Deep Learning for Natural Language Processing: Develop Deep Learning Models for your Text Data. Machine Learning Mastery.
Botpress Team. (2023). Botpress Documentation and User Manual. Botpress Inc.
Raspberry Pi Foundation. (2022). Getting Started with Raspberry Pi and Node-RED. Raspberry Pi Press.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: