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:

• 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

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

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

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

Konsorcjum projektu „The Future is in Applied Artificial Intelligence” opracowało pierwszy projekt oparty na kompetencjach program nauczania sztucznej inteligencji na poziomie instytucji szkolnictwa wyższego. Opracowanie opierało się na zaawansowanych badaniach systemowych istniejących zasobów związanych ze sztuczną inteligencją oraz badaniach grup docelowych nauczycieli, studentów technologii informatycznych i pracodawców, co powinno poprawić wyniki wdrażania edukacji w zakresie sztucznej inteligencji. Przygotowano przegląd stosowanej sztucznej inteligencji w formie klasteryzacji słów kluczowych. Wstępne dane zostały zebrane za pomocą ankiet, ofert pracy, istniejących szkoleń z zakresu sztucznej inteligencji, projektów naukowych i rzeczywistych przypadków. Syntetyczną analizę informacji tekstowych z badań przeprowadzono z wykorzystaniem techniki chmur słów. Do prezentacji kursu opartego na kompetencjach wykorzystano podejście oparte na tensorach. Specyficzne wymagania liczbowe dla przedmiotu w postaci priorytetów wynikają z rozwiązywania problemów decyzyjnych z wykorzystaniem techniki analitycznego procesu hierarchicznego. Na podstawie kompleksowej analizy ankiet, doświadczeń edukacyjnych, projektów naukowych i wymagań biznesowych, metaanalizy ostatnich referencji, określiliśmy kryteria szkolenia w formie reprezentacji kompetencji w oparciu o tensory w odniesieniu do treści i modułów edukacyjnych.

Cały dokument znajduje się tutaj: A3_3_LearningRequirements_pl

Wynik ten przedstawia inicjatywę edukacyjną skoncentrowaną na opracowaniu ram kompetencji w dziedzinie AAI. Podejście to obejmuje analizę i włączenie różnych standardów kompetencyjnych, takich jak ACM i IEEE. Treść ram ma na celu objęcie obszarów wiedzy, określając zakres, kompetencje i poddziedziny. Poddomeny są dodatkowo uszczegółowione poprzez włączenie odpowiedniej wiedzy, umiejętności i dyspozycji. To kompleksowe podejście ma na celu stworzenie solidnych podstaw dla rozwoju kompetencji w szybko rozwijającej się dziedzinie AAI.

Cały dokument znajduje się tutaj: A3_2 Competence_framework_pl

Praca jest realizowana w ramach projektu Erasmus+ „The Future is in Applied Artificial Intelligence” (FAAI) i poświęcona opracowaniu metodologii gromadzenia i analizowania dobrych praktyk w dziedzinie sztucznej inteligencji stosowanej (AAI) w zakresie kompetencji, szkoleń, istniejących rozwiązań i rzeczywistych przypadków, które można wykorzystać do opracowania kursów szkoleniowych w zakresie edukacji opartej na kompetencjach. W pracy proponujemy definicję dobrej praktyki w dziedzinie AAI wraz z odpowiednimi kryteriami i cechami. Proponowana metodologia wykorzystuje badania systemowe oparte na danych zebranych z istniejących kursów szkoleniowych w zakresie AAI, rynku pracy, ankiet wypełnianych przez pracowników akademickich, studentów i pracodawców, przypadków użycia AAI w nauce i przemyśle.

Cały dokument znajduje się tutaj: Methodology_collection pl