WM: Od neuronu do języka - wstęp do Deep Learning i Natural Language Processing WF-FI-KGN-WMSKU25

Omówienie zagadnienia: Od neuronu do języka - wstęp do Deep Learning i Natural LanWprowadzenie do Sztucznej Inteligencji: Czym jest Deep Learning i jak różni się od tradycyjnego ML.

Perceptron: Historia, architektura, ograniczenia oraz krytyka.

Widzenie maszynowe (cz. 1): Od kota Hubela i Wiesela do sztucznej kory wzrokowej.

Widzenie maszynowe (cz. 2): Jak komputery widzą i przetwarzają obraz (podstawy konwolucji).

Widzenie maszynowe (cz. 3): Sieci wizyjne w praktyce.

Ślepiec schodzący z góry we mgle, czyli spadek wzdłuż gradientu (optymalizacja i funkcja straty).

Propagacja wsteczna (Backpropagation): Cud inżynierii czy biologiczny absurd?

Jak zamienić słowo na liczby? Od wektorów One-Hot do Word Embeddings.

Pamięć i czas w języku, czyli Sieci Rekurencyjne (RNN).

Maszyny, które „czytają”: Rewolucja mechanizmu uwagi (Attention) i Transformery.

Złudzenie zrozumienia: Duże Modele Językowe (LLM) i zjawisko halucynacji.

Paradoks neuro-symboliczny: Dlaczego biologiczny mózg nie jest krzemowym kalkulatorem.

Ludzka ułomność w modelowaniu: Błędy poznawcze a biologiczne prawdopodobieństwo sztucznych sieci.

Logika rozmyta (Fuzzy Logic) jako krok w stronę biologicznej wiarygodności i heurystyk.

„Od synapsy do sylogizmu”: Pomiędzy implementacją bramek a neurobiologiczną emergencją (podsumowanie).guage Processing

W cyklu 2025/26_L:

Omówienie zagadnienia: Od neuronu do języka - wstęp do Deep Learning i Natural Language Processing

E-Learning

E-Learning (pełny kurs) z podziałem na grupy

Grupa przedmiotów ogólnouczenianych

nie dotyczy

Opis nakładu pracy studenta w ECTS

Kontakt z prowadzącym Aktywność Liczba godzin Razem liczba godzin / ECTS bezpośredni udział w zajęciach 30 2 udział w zaliczeniach poza zajęciami 2 udział w konsultacjach 15 praca własna przygotowanie do zajęć (czytanie, praca pisemna, tłumaczenie, ...) 10 1 przygotowanie do zaliczenia (np. czytanie, prezentacja, projekt, ...) 20

Poziom przedmiotu

podstawowy

Symbol/Symbole kierunkowe efektów uczenia się

KOG1_W12; KOG1_W19; KOG1_K02

Typ przedmiotu

obowiązkowy

Wymagania wstępne

Brak

Koordynatorzy przedmiotu

Joanna Skurzak

Kryteria oceniania

Test jednokrotnego wyboru

Literatura

Buckner, C. J. (2024). From deep learning to rational machines: What the history of philosophy can teach us about the future of artificial intelligence. Oxford University Press.
• Goodfellow, I., Bengio, Y., & Courville, A. (2018). Deep learning. Systemy uczące się (W. Sikorski, Tłum.). Wydawnictwo Naukowe PWN. (Oryginał opublikowany w 2016 r.).
• Krohn, J., Beyleveld, G., & Bassens, A. (2020). Deep learning illustrated: A visual, interactive guide to artificial intelligence. Addison-Wesley.
• Sejnowski, T. J. (2018). The deep learning revolution. The MIT Press.
• Sejnowski, T. J. (2024). ChatGPT and the future of AI: The deep language revolution. The MIT Press.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu WF-FI-KGN-WMSKU25 w USOSweb