Kategoria: HEI

Artykuł: MODEL KLASYFIKACJI AKTYWNOŚCI NA BAZIE CZUJNIKÓW DLA SYSTEMÓW VR

Artykuł: MODEL KLASYFIKACJI AKTYWNOŚCI NA BAZIE CZUJNIKÓW DLA SYSTEMÓW VR

Artykuł proponuje rozwiązanie zwiększające imersję w grach poprzez zaproponowany model klasyfikacji aktywności wykonywanych za pomocą kończyn dolnych. Zaprezentowany system jest nisko kosztowy i opiera się na wykorzystaniu czujników z urządzeń komórkowych (smartfonów) oraz głębokiej sieci neuronowej, co pozwala na dokładne rozpoznawanie dziesięciu najczęstszych aktywności użytkownika z dokładnością przekraczającą 99%.

Pełna treść artykułu znajduje się tutaj: link

Wersja audio dostępna jest tutaj:

Projekt Erasmus+ FAAI: Spotkanie Międzynarodowe A4.1 na Uniwersytecie w Niszu w Serbii

Projekt Erasmus+ FAAI: Spotkanie Międzynarodowe A4.1 na Uniwersytecie w Niszu w Serbii

Międzynarodowe spotkanie A4.1 odbyło się na Wydziale Inżynierii Elektronicznej  oraz w Science Technology Park Niszu w Serbii, przy udziale partnerów z pięciu uczelni: Uniwersytetu w Bielsku-Białej (UBB), Wyższej Szkoły Bibliotekoznawstwa i IT ( ULSIT), Uniwersytet w Niszu (UNI), Uniwersytet Ss. Cyryla i Metodego w Trnawie (UCMT) oraz Uniwersytet Czarnogóry (UoM). Głównym celem spotkania było ułatwienie współpracy, ocena obecnego stanu projektu i zbadanie perspektyw na przyszłość.
Science Technology Park Nis (STPN) zapewnił miejsce na przeprowadzenie spotkania.

Zdjęcie. Uczestnicy spotkania przed budynkiem STPN

Zdjęcie. Uczestnicy spotkania zapoznali się z doświadczeniami firm IT zlokalizowanych w STPN, koncentrując się na stosowanej sztucznej inteligencji

Zdjęcie. Uczestnicy spotkania badają rozwiązania sprzętowe AI dla platform wirtualnych

Dzień 1 – 25 października 2023 r.:
1. Wprowadzenie i przegląd projektu (14:30 – 15:00)
• Vasyl Martsenyuk i Georgi Dimitrov przedstawili przegląd obecnego stanu projektu, podkreślając postęp w opracowywaniu ram kompetencji w zakresie sztucznej inteligencji, wymagań edukacyjnych oraz głównych treści i tematów programu nauczania.
2. Aktualny stan WP4 i podział zadań (15:00 – 15:30)
• Igor Jovancevic i Dejan Rancic omówili bieżący stan Pakietu Roboczego 4 (WP4) i przydzielili zadania i obowiązki pomiędzy partnerami.
3. Metodologia projektowania AAI (15:30 – 16:00)
• Igor Jovancevic i Vasyl Martsenyuk zaprezentowali metodologię projektowania komponentów sztucznej inteligencji w edukacji (AAI).
4. Tłumaczenia wyników projektu (16:30 – 17:00)
• Wszyscy partnerzy zaangażowali się w dyskusje dotyczące tłumaczenia wyników projektu na ich języki ojczyste.

Dzień 2 – 26 października 2023 r.:
5. Centrum pracy AAI i otwartość wyników projektu (08:30 – 09:00)
• Vasyl Martsenyuk przedstawił AAI Job Hub jako platformę zwiększającą dostępność i otwartość wyników projektu.
6. Poprawa oceny projektu (09:30 – 09:45)
• Wszyscy partnerzy współpracowali w celu zbadania sposobów usprawnienia oceny wyników projektu.
7. Raport o rozwoju materiałów edukacyjnych (09:45 – 10:30)
• Partnerzy zgłosili postępy w opracowywaniu materiałów edukacyjnych na potrzeby kursu szkoleniowego na temat aktywnego starzenia się.
8. Upowszechnianie wyników projektu (10:30 – 11:00)
• Vasyl Martsenyuk omówił strategie rozpowszechniania wyników projektu poprzez wydarzenia i publikacje.
9. Treningi Przygotowawcze w Trnawie (15:00 – 15:30)
• Iveta Dirgova Luptakova zapewniła wgląd w przygotowanie sesji szkoleniowych w Trnawie.
10. Działalność finansowa i zarządcza (15:30 – 16:00)
• Koordynatorzy instytucjonalni ze wszystkich partnerów zajęli się finansowymi i zarządczymi aspektami projektu (AdminProject).

Spotkanie zakończyło się pomyślnie, osiągając swoje cele polegające na wspieraniu współpracy, ocenie postępu projektu i nakreśleniu przyszłych działań. Partnerzy wyszli z pełnym zrozumieniem swoich ról i obowiązków w dalszej części projektu FAAI Erasmus+.

Zbieranie prawdziwych przypadków AAI

Zbieranie prawdziwych przypadków AAI

Projekt FAAI:2022-1-PL01-KA220-HED-000088359 „Future is in Applied Artificial Intelligence” (FAAI) w ramach programu Erasmus+ rozpoczął się we wrześniu 2022 roku. Projekt ten ma na celu zbliżenie uczelni i biznesu oraz dostarczenie innowacyjnych rozwiązań w celu rozwoju ekspertów w dziedzinie sztucznej inteligencji. Projekt zrzesza 5 partnerów z uczelni z Europy Środkowej i Wschodniej: Polski, Słowacji, Serbii, Bułgarii i Czarnogóry.

Realizując cele postawione w projekcie, w etapie WP2 przeprowadzono studium przypadku z realnym zastosowaniem AAI. Ankieta została przeprowadzona przez uczestników tego projektu.

Cały artykuł znajduje się tutaj: Research 8_pl

 

Gromadzenie specyfikacji IT dobrych praktyk w zakresie sztucznej inteligencji

Gromadzenie specyfikacji IT dobrych praktyk w zakresie sztucznej inteligencji

W pracy przedstawiono opracowanie specyfikacji dobrych praktyk w zakresie stosowanej sztucznej inteligencji (AAI). Analiza 25 kwestionariuszy z pięciu instytucji partnerskich ujawniła kluczowe spostrzeżenia na temat obecnego stanu projektów sztucznej inteligencji (AI) i uczenia maszynowego (ML). Szkolenia przeprowadzone w Serbii i Bułgarii sygnalizowały potrzebę rozszerzenia możliwości w krajach UE. W wyniku przeprowadzonych badań uzyskaliśmy, że Deep ML przeważa, szczególnie w konwolucyjnych sieciach neuronowych, podczas gdy Gated Recurrent Unit jest mniej powszechny. Typowe są ilości danych od 1 GB do 1 TB, co odzwierciedla ograniczenia praktyczne. Aplikacje AI obejmują różne dziedziny, a TensorFlow jest liderem w dziedzinie bibliotek. Najbardziej rozpowszechnione są licencje permisywne, bazy danych są podstawowymi źródłami danych, a teksty/obrazy dominują w charakterystyce danych. Bazy danych NoSQL są preferowane do przechowywania. Funkcje bezpieczeństwa i narzędzia do przetwarzania danych są różne. Serwery dedykowane i klastry są szeroko stosowane, systemy rekomendacji są widoczne, preferowanym językiem jest Python, a Apache Hadoop dominuje w ekosystemach. Bezpłatne zestawy danych sprzyjają dostępności. Ogólnie rzecz biorąc, odkrycia podkreślają dynamiczny charakter projektów AI/ML, zapewniając podstawę dla przyszłych badań w szybko rozwijającej się dziedzinie.

Cały artykuł można znaleźć tutaj: Research 7_pl

Kwestionariusz dla pracodawców: Określenie kompetencji absolwentów w zakresie stosowanej sztucznej inteligencji

Kwestionariusz dla pracodawców: Określenie kompetencji absolwentów w zakresie stosowanej sztucznej inteligencji

FAAI to projekt ERASMUS+, którego celem jest ocena istniejących systemów i narzędzi sztucznej inteligencji oraz rozwój wspólnych kompetencji UE w zakresie systemów budowania umiejętności, które wykorzystują zdolności sztucznej inteligencji w sektorze MŚP. Projekt ma na celu podniesienie jakości i adekwatności wiedzy i umiejętności studentów i absolwentów w zakresie tematów związanych z AI/ML w oparciu o umiejętności potrzebne na rynku pracy. Ankieta została przeprowadzona w kontekście projektu FAAI w celu oceny potrzeb pracodawców w zakresie kompetencji absolwentów w zakresie sztucznej inteligencji, uczenia maszynowego i ogólnie nauki o danych. Badanie miało na celu zbadanie potrzeb i oczekiwań pracodawców i firm na potrzeby szkolenia specjalistów z zakresu Applied AI. W ankiecie wzięło udział łącznie 38 firm, co stanowi dobry punkt wyjścia do zbadania i analizy ich potrzeb związanych z zastosowaniem sztucznej inteligencji. Ankieta składała się z 31 pytań, w tym pytań dotyczących potrzebnych kompetencji ogólnych, rodzaju rozwiązywanych problemów uczenia maszynowego oraz bibliotek AI wykorzystywanych w firmach. W ankiecie znalazły się również pytania dotyczące wymaganych umiejętności miękkich, potrzebnych dodatkowych kompetencji, zadowolenia pracodawców z poziomu przygotowania absolwentów studiów magisterskich w obszarze AI oraz poglądów na temat podnoszenia kwalifikacji obecnych pracowników organizacji poprzez umożliwienie im studiowania AI na poziomie magisterskim.

Cały dokument znajduje się tutaj: Research 6_pl

Kwestionariusz dla studentów, magistrów i absolwentów informatyki w zakresie systemów i technologii informatycznych

Kwestionariusz dla studentów, magistrów i absolwentów informatyki w zakresie systemów i technologii informatycznych

Niniejsze opracowanie powstało na podstawie obszernej ankiety przeprowadzonej w ramach działań podczas realizacji projektu Erasmus+ „Future is in Applied Artificial Intelligence”. Ankieta miała na celu zbadanie potrzeb i oczekiwań studentów i absolwentów studiów inżynierskich i magisterskich w zakresie systemów i technologii informatycznych w ramach różnych tematów związanych ze sztuczną inteligencją stosowaną, a jej celem było zbadanie wiedzy i umiejętności studentów wobec treści związanych ze sztuczną inteligencją, aktualnego stanu edukacji w zakresie sztucznej inteligencji oraz przyszłych kierunków transformacji systemu edukacji w kierunku edukacji opartej na kompetencjach.

Cały artykuł można znaleźć tutaj: Research 5_pl

Ankieta dla nauczycieli akademickich (wykładowców) w dziedzinie stosowanej sztucznej inteligencji

Ankieta dla nauczycieli akademickich (wykładowców) w dziedzinie stosowanej sztucznej inteligencji

Zebrano i przeanalizowano ankiety 80 nauczycieli z 5 krajów, dotyczące nauczania sztucznej inteligencji. Do ciekawszych wyników należy stwierdzenie, że większość nauczycieli jest samoukami w zakresie sztucznej inteligencji, większość z nich nigdy nie brała udziału w komercyjnym projekcie dotyczącym sztucznej inteligencji, ale większość nauczycieli z zadowoleniem przyjęłaby rozszerzony udział ekspertów z branży w nauczaniu uczniów. Z ich rekomendacji można wybrać np. porady:

  • Skoncentruj się bardziej na darmowych wersjach.
  • Najpierw wybierz odpowiedni język obliczeniowy i biblioteki
  • Uwaga na widzenie komputerowe, wytłumaczalną sztuczną inteligencję, interakcję człowiek-sztuczna inteligencja
  • Dodaj więcej działań na podstawie przykładów
  • Rozwiązywanie prawdziwych przypadków sztucznej inteligencji na zajęciach
  • Większość odpowiedzi została przeanalizowana i zwizualizowana w formie wykresów.

Cały artykuł można znaleść tutaj: Research 4 StateOfTheArt_teachers_Dirgova_pl

Przegląd projektów naukowych w zakresie stosowanej sztucznej inteligencji

Przegląd projektów naukowych w zakresie stosowanej sztucznej inteligencji

Zebrano i przeanalizowano ankiety dotyczące 63 projektów zebranych przez organizacje partnerskie z 5 krajów, dotyczących nauczania sztucznej inteligencji. Koordynatorami projektu byli przedstawiciele 19 krajów. Do ciekawszych wyników należy stwierdzenie, że ponad połowa projektów dotyczyła modułów uczenia głębokich sieci neuronowych, a większość zadań uczenia maszynowego, które zostały rozwiązane, dotyczyła przetwarzania obrazu, klasyfikacji, regresji, klastryzacji i przetwarzania języka naturalnego. Wśród wykorzystywanych bibliotek AI dominowały TensorFlow, Keras, scikit-learn i CUDA. Językami programowania były Python i C++.

Większość odpowiedzi została przeanalizowana i zwizualizowana w formie wykresów.

Cały artykuł można znaleść tutaj: Research 3 StateOfTheArt_scientificprojects_Dirgova_pl

Badanie rynku pracy w zakresie sztucznej inteligencji stosowanej

Badanie rynku pracy w zakresie sztucznej inteligencji stosowanej

Niniejszy kwestionariusz jest częścią badań w związku z celami projektu 2022-1-PL01-KA220-HED-000088359 „The Future is in Applied Artificial Intelligence” (FAAI) w ramach programu Erasmus+. Projekt ten ma na celu połączenie uniwersytetów i przedsiębiorstw oraz dostarczenie innowacyjnych rozwiązań w celu rozwoju ekspertów w dziedzinie sztucznej inteligencji. Pytania w tym opracowaniu miały na celu zbadanie potrzeb i oczekiwań organizacji biznesowych w celu zaproponowania szkoleń specjalistów w zakresie Applied AI. Zapoznaj się z oferowanymi szkoleniami z zakresu Applied AI i opisz je. Wszystkie pola są obowiązkowe.

Cały dokument znajduje się tutaj: Research 2 SOA Labor market_pl

Istniejące kursy szkoleniowe w dziedzinie sztucznej inteligencji

Istniejące kursy szkoleniowe w dziedzinie sztucznej inteligencji

Kwestionariusz będący przedmiotem niniejszego dokumentu jest częścią badań związanych z celami projektu 2022-1-PL01-KA220-HED-000088359 „Przyszłość należy do sztucznej inteligencji stosowanej” (FAAI) w ramach programu Erasmus +. Projekt ten ma na celu połączenie uniwersytetów i przedsiębiorstw oraz zapewnienie innowacyjnych rozwiązań w celu rozwoju ekspertów AI. Pytania w tym badaniu miały na celu zbadanie potrzeb i oczekiwań organizacji biznesowych, aby zaproponować szkolenie specjalistów w dziedzinie stosowanej sztucznej inteligencji. Niniejszy artykuł przedstawia krótki przegląd oferowanych kursów szkoleniowych w zakresie sztucznej inteligencji i ich opis. Pomimo istniejących kursów szkoleniowych istnieje potrzeba agregowania i analizy informacji na temat tematów wymaganych i objętych kursami szkoleniowymi w dziedzinie sztucznej inteligencji.

Cały dokument znajduje się tutaj: Research 1 UoM Prepare State-of-the-art analysis on Existing Training Courses in the Field of Applied AI pl