Cel kształcenia i wykaz literatury

Główny cel kształcenia: Przekazanie studentom podstawowej wiedzy i dobrych praktyk dotyczących konstruowania promptów w celu uzyskiwania od modeli AI zamierzonych efektów

Ogólne informacje o zajęciach: Moduł prowadzony jest na piątym semestrze studiów inżynierskich na kierunku "informatyka"

Materiały dydaktyczne: www.materialy.prz-rzeszow.pl

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Olivier Caelen, Marie-Alice Blete	Tworzenie aplikacji z wykorzystaniem GPT-4 i ChatGPT. Buduj inteligentne chatboty, generatory treści i fascynujące projekty	Helion.	2024
2	Holly Picano	Generating Creative Images With DALL-E 3. Create accurate images with effective prompting for real-world applications	Packt.	2024
3	James Phoenix, Mike Taylor	Prompt Engineering for Generative AI	O'Reilly Media.	2024
4	Gilbert Mizrahi	Unlocking the Secrets of Prompt Engineering: Master the art of creative language generation to accelerate your journey from novice to pro	Packt.	2024

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	James Phoenix, Mike Taylor	Prompt Engineering for Generative AI	O'Reilly Media.	2024
2	Gilbert Mizrahi	Unlocking the Secrets of Prompt Engineering: Master the art of creative language generation to accelerate your journey from novice to pro	Packt.	2024

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Rejestracja/zgłoszenie na semestr studiów, podczas którego odbywają się zajęcia w przedmiocie Prompt Engineering.

Wymagania wstępne w kategorii Wiedzy: Podstawowa wiedza w zakresie modeli i narzędzi AI .

Wymagania wstępne w kategorii Umiejętności: Podstawowa umiejętność obsługi komputera, internetu i narzędzi biurowych.

Wymagania wstępne w kategorii Kompetencji społecznych: Podstawowa umiejętność pracy w grupach (2-3 osobowych)

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
01	Zna podstawowe pojęcia, zasady, dobre praktyki i trendy rozwojowe oraz typowe narzędzia stosowane do konstruowania promptów i uzyskiwania zamierzonych rezultatów	wykład, projekt zespołowy	prezentacja projektu, obserwacja wykonawstwa, sprawozdanie z projektu, egzamin cz. pisemna	K_W04+ K_U08+ K_K07+	P6S_KO P6S_UW P6S_WG
02	Potrafi wyszukiwać narzędzia i korzystać z nich do generowania treści (np. tekst, grafika, wideo) na podstawie promptów. Jest świadom szybkiej ewolucji algorytmów AI i zmieniających się narzędzi.	wykład, laboratorium, projekt zespołowy	prezentacja projektu, obserwacja wykonawstwa, sprawozdanie z projektu	K_U08+ K_K01+	P6S_KK P6S_UU P6S_UW
03	Potrafi wykorzystać narzędzia AI do realizacji zadanych celów, osiągnięcia zamierzonych rezultatów, ich prezentacji (złożone wielowątkowe zadania). Potrafi analizować otrzymywane wyniki i oceniać je.	wykład, laboratorium, projekt zespołowy	prezentacja projektu, obserwacja wykonawstwa, sprawozdanie z projektu, egzamin cz. pisemna	K_U19+ K_K07+	P6S_KO P6S_UW

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
5	TK01	Modele językowe – wprowadzenie	W01-W04, L01-L15	MEK01
5	TK02	Techniki tworzenia promptów	W05-W06, L01-L15	MEK01 MEK02
5	TK03	Tworzenie promptów - zagadnienie kreatywności, kontekstu, personalizacji, iteracji	W07-W08, L01-L15	MEK02 MEK03
5	TK04	Zagrożenia - etyka i treści zabronione	W09-W10, L01-L15	MEK01
5	TK05	Generacja kodu	W11-W12, L01-L15	MEK02 MEK03
5	TK06	Generacja obrazu, muzyki, wideo	W13-W14, L01-L15	MEK02 MEK03
5	TK07	Analiza otrzymywanych rezultatów	W15, L01-L15	MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 5)	Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Uzupełnienie/studiowanie notatek: 8.00 godz./sem. Studiowanie zalecanej literatury: 8.00 godz./sem.
Laboratorium (sem. 5)	Przygotowanie do laboratorium: 8.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 8.00 godz./sem. Inne: 3.00 godz./sem.
Konsultacje (sem. 5)	Przygotowanie do konsultacji: 4.00 godz./sem.	Udział w konsultacjach: 2.00 godz./sem.
Egzamin (sem. 5)	Przygotowanie do egzaminu: 8.00 godz./sem.	Egzamin pisemny: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Egzamin
Laboratorium	Na podstawie obserwacji, prezentacji projektu wykonywanego w ramach zajęć i raportu końcowego
Ocena końcowa	Ocena stanowić będzie średnią arytmetyczną (zaokrąglaną zgodnie z zasadami) z wykładu (egzamin) i laboratorium

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	A. Czmil; S. Czmil; J. Kluska	An empirical study of a simple incremental classifier based on vector quantization and adaptive resonance theory	2024
2	D. Mazurkiewicz; G. Piecuch; P. Sobecki; T. Żabiński	Virtual tomography as a novel method for segmenting machining process phases with the use of machine learning-supported measurement	2024
3	A. Czmil; S. Czmil; J. Kluska	GPR: A Python implementation of an extremely simple classifier based on fuzzy logic and gene expression programming	2023
4	M. Bolanowski; A. Paszkiewicz; G. Piecuch; D. Rączka; M. Salach; T. Żabiński	Estimation of Tool Life in the Milling Process—Testing Regression Models	2023
5	M. Bolanowski; A. Paszkiewicz; G. Piecuch; M. Salach; K. Tomecki; T. Żabiński	System Architecture for Diagnostics and Supervision of Industrial Equipment and Processes in an IoE Device Environment	2023
6	A. Czmil; S. Czmil; J. Kluska	CACP: Classification Algorithms Comparison Pipeline	2022
7	G. Piecuch; R. Żyła	Diagnosing Extrusion Process Based on Displacement Signal and Simple Decision Tree Classifier	2022
8	J. Kluska; M. Madera	Extremely simple classifier based on fuzzy logic and gene expression programming	2021
9	J. Kluska; T. Mączka; T. Żabiński	Applications of Computational Intelligence Methods for Control and Diagnostics	2021
10	L. Gniewek; Z. Hajduk; J. Kluska; T. Żabiński	FPGA-Embedded Anomaly Detection System for Milling Process	2021
11	G. Piecuch	Rotation Speed Detection of a CNC Spindle Based on Ultrasonic Signal	2020
12	J. Kluska	Adaptive fuzzy control of state-feedback time-delay systems with uncertain parameters	2020
13	J. Kluska	Członek Komitetu Automatyki i Robotyki Polskiej Akademii Nauk	2020
14	J. Kluska	Członkostwo w komitecie redakcyjnym czasopisma International Journal of Applied Mathematics and Computer Science	2020
15	J. Kluska	Wiceprzewodniczący Rady Naukowej Instytutu Badań Systemowych Polskiej Akademii Nauk	2020
16	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Fusion of Feature Selection Methods for Improving Model Accuracy in the Milling Process Data Classification Problem	2020
17	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis	2020
18	J. Kluska; T. Mączka; T. Żabiński	Zastosowania metod inteligencji obliczeniowej do sterowania i diagnostyki	2020
19	J. Kluska; T. Żabiński	PID-Like Adaptive Fuzzy Controller Design Based on Absolute Stability Criterion	2020
20	G. Piecuch; S. Prucnal; T. Żabiński; R. Żyła	Milling process diagnosis using computational intelligence methods	2019
21	J. Kluska	Członek Komitetu Automatyki i Robotyki Polskiej Akademii Nauk	2019
22	J. Kluska	Członkostwo w komitecie redakcyjnym czasopisma International Journal of Applied Mathematics and Computer Science	2019
23	J. Kluska	Przewodniczący Sekcji Systemów Inteligentnych w Komitecie Automatyki i Robotyki Polskiej Akademii Nauk	2019
24	J. Kluska	Wiceprzewodniczący Rady Naukowej Instytutu Badań Systemowych Polskiej Akademii Nauk	2019
25	J. Kluska; M. Kusy; B. Obrzut; M. Obrzut; A. Semczuk	Prediction of 10-year Overall Survival in Patients with Operable Cervical Cancer using a Probabilistic Neural Network	2019
26	J. Kluska; M. Madera ; T. Mączka; J. Sęp; T. Żabiński	Condition monitoring in Industry 4.0 production systems - the idea of computational intelligence methods application	2019
27	M. Madera ; G. Piecuch; T. Żabiński	Diagnostics of welding process based on thermovision images using convolutional neural network	2019