W kwietniu na Uniwersytecie w Bielsku-Białej odbyło się wydarzenie Blended Intensive Learning. Sprowadził studentów z całej Europy.
Wygłoszono specjalną prezentację wykorzystującą wyniki projektów FAAI. Prezentację i dodatkowe atuty podano tutaj:
Blended Intensive Programme_fin
Dodatkowe pliki:
W dniu 29 lutego odbyło się spotkanie, na którym zaprezentowano prezentację pt. „Wykorzystanie sztucznej inteligencji i czujników do monitorowania i klasyfikacji obiektów”.
Miło było porozmawiać na temat zastosowań AI we współczesnym świecie.
Tutaj znajdziesz prezentację (link do prezentacji) oraz zdjęcia ze spotkania.
15 lutego odbyło się spotkanie, na którym zaprezentowana została prezentacja pt. „Zastosowanie AI nie tylko w sporcie”.
Miło było porozmawiać na temat zastosowań AI we współczesnym świecie.
Tutaj znajdziesz prezentację (link_to_presentation ) i zdjęcia ze spotkania.
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:
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+.
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
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
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
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
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:
Cały artykuł można znaleść tutaj: Research 4 StateOfTheArt_teachers_Dirgova_pl