HrvatskiHrvatski
HrvatskiHrvatski
EnglishEnglish
HrvatskiHrvatski
HrvatskiHrvatski
EnglishEnglish

PRIMIJENJENA UMJETNA INTELIGENCIJA

Cilj

Upoznati studente s temeljnim konceptima umjetne inteligencije, vrstama AI sustava i osnovnim problemima strojnog učenja te razumjeti ulogu podataka u razvoju AI modela.
Osposobiti studente za analizu i pripremu podataka te za evaluaciju uspješnosti modela strojnog učenja primjenom osnovnih metrika i interpretacijom rezultata.
Razviti sposobnost primjene metoda umjetne inteligencije za rješavanje jednostavnih problema analize podataka, klasifikacije, regresije i grupiranja podataka u poslovnom i praktičnom kontekstu.
Osposobiti studente za odgovornu i kritičku uporabu generativnih AI sustava i velikih jezičnih modela (LLM-ova), uključujući razumijevanje njihovih mogućnosti, ograničenja, etičkih izazova i regulatornog okvira.

Uvjeti upisa

Nema.

Ishodi učenja

  • Objasniti temeljne koncepte umjetne inteligencije i razlikovati osnovne vrste problema strojnog učenja
  • Analizirati kvalitetu podataka i interpretirati rezultate modela strojnog učenja primjenom osnovnih evaluacijskih metrika
  • Primijeniti umjetnu inteligenciju za rješavanje jednostavnih problema analize podataka i donošenja poslovnih odluka
  • Kritički procijeniti rezultate i ograničenja generativnih AI sustava (LLM-ova) te ih odgovorno koristiti u profesionalnom i akademskom kontekstu uz poštivanje etičkih i regulatornih načela

Nastavni plan

  1. Uvod u umjetnu inteligenciju,
  2. Tipovi AI problema,
  3. Podaci kao temelj AI sustava,
  4. Evaluacija modela i pogreške,
  5. Rad s podacima,
  6. Regresija,
  7. Klasifikacija,
  8. Klasteriranje,
  9. Uvod u velike jezične modele,
  10. Parametri, tokeni, embeddings i kontekst,
  11. Prompt engineering,
  12. Halucinacije, verifikacija, fact-checking i akademski integritet,
  13. RAG i primjena UI u poslovanju,
  14. Agenti i alati,
  15. Etika, AI Act i autorska prava