Cykl kształcenia: 2024/2025
Nazwa jednostki prowadzącej studia: Wydział Elektrotechniki i Informatyki
Nazwa kierunku studiów: Informatyka
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: pierwszego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: AA - inżynieria systemów informatycznych, AI - Sztuczna inteligencja, TT - informatyka w przedsiębiorstwie, Z - inżynieria systemów złożonych
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Informatyki i Automatyki
Kod zajęć: 17947
Status zajęć: wybierany dla specjalności
Układ zajęć w planie studiów: sem: 5 / W15 L15 / 3 ECTS / E
Język wykładowy: polski
Imię i nazwisko koordynatora 1: prof. dr hab. inż. Jacek Kluska
Imię i nazwisko koordynatora 2: dr inż. Grzegorz Piecuch
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
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 |
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 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)
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).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
5 | TK01 | W01-W04, L01-L15 | MEK01 | |
5 | TK02 | W05-W06, L01-L15 | MEK01 MEK02 | |
5 | TK03 | W07-W08, L01-L15 | MEK02 MEK03 | |
5 | TK04 | W09-W10, L01-L15 | MEK01 | |
5 | TK05 | W11-W12, L01-L15 | MEK02 MEK03 | |
5 | TK06 | W13-W14, L01-L15 | MEK02 MEK03 | |
5 | TK07 | W15, L01-L15 | MEK03 |
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. |
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 |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
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 |