Politechnika Warszawska - Centralny System Uwierzytelniania
Strona główna

Aplikacje i rozwiązania oparte o Sztuczną Inteligencję na Microsoft Azure

Informacje ogólne

Kod przedmiotu: 1040-IN-MSP-1DI2281
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Aplikacje i rozwiązania oparte o Sztuczną Inteligencję na Microsoft Azure
Jednostka: Wydział Elektryczny
Grupy:
Punkty ECTS i inne: 4.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Skrócony opis:

Celem kursu jest rozwijanie światowej klasy talentów ekspertów sztucznej inteligencji. Dzięki temu kursowi umożliwiamy studentom budowanie wiodących w branży umiejętności sztucznej inteligencji i stymulowanie innowacji w celu realizacji projektów sztucznej inteligencji na platformie Microsoft Azure. Kurs porusza zarówno podstawowe, jak i zaawansowane elementy edukacji AI. Zapewnia jasną ścieżkę do stopniowego zwiększania wiedzy o sztucznej inteligencji, obejmując podstawy nauki o danych i podstawowe zrozumienie uczenia maszynowego dzięki dobranym zasobom szkoleniowym, dostępnym przez cały semestr. W tym zestawie wykładów wyjaśnimy ideę chmury obliczeniowej i zaprezentujemy najważniejsze usługi na Microsoft Azure.

Pełny opis:

Wykład przygotowuje studentów z treści niezbędnych do zdania certyfikatu AI-900.

1. Describe Artificial Intelligence workloads and considerations

- Identify features of common AI workloads

- Identify guiding principles for responsible AI

2. Describe fundamental principles of machine learning on Azure

- Identify common machine learning types

- Describe core machine learning concepts

- Identify core tasks in creating a machine learning solution

- Describe capabilities of no-code machine learning with Azure Machine Learning:

3. Describe features of computer vision workloads on Azure

- Identify common types of computer vision solution:

- Identify Azure tools and services for computer vision tasks

4. Describe features of Natural Language Processing (NLP) workloads on Azure

- Identify features of common NLP Workload Scenarios

5. Describe features of conversational AI workloads on Azure

- Identify common use cases for conversational AI

- Identify Azure services for conversational AI

• Laboratorium

1. Evaluate text with Azure Cognitive Language Services

2. Create Intelligent Bots with the Azure Bot Service

3. Process and translate speech with Azure Cognitive Speech Services

4. Learn about DevOps dojo white belt foundation

5. Process and classify images with the Azure Cognitive Vision Services

6. Machine learning crash course

7. Explore natural language processing

8. Explore computer vision in Microsoft Azure

9. AI edge engineer

10. Create no-code predictive models with Azure Machine Learning

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. zimowy" (zakończony)

Okres: 2020-10-01 - 2021-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 21 miejsc więcej informacji
Projekt, 30 godzin, 21 miejsc więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Włodzimierz Dąbrowski
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.
pl. Politechniki 1, 00-661 Warszawa tel: (22) 234 7211 https://pw.edu.pl kontakt deklaracja dostępności USOSweb 7.0.0.0-7 (2024-03-18)