Autorius: Administrator

ARIS projekto informacinė diena Vilniuje

Lietuvos kompiuterininkų sąjungos vardu norime Jus pakviesti į ARIS projekto metu sukurto Dirbtinio intelekto kurso pristatymą, kuris vyks metu šių metų vasario 17 d. nuo 9 val. iki 13 val., Vilniaus universiteto Matematikos ir informatikos fakultete 102 auditorijoje esančioje Naugarduko g. 24. Renginio programą galite rasti čia.

Dirbtinio intelekto kursą kūrė Katalonijos politechnikos universitetas (Universitat Politechnika de Catalunya, UPC, www.upc.edu), kuris yra didžiausias ir prestižiškiausias technologijos mokslų universitetas Katalonijoje, ir Nacionalinės tyrimų tarybos (Consiglio Nazionale delle Ricerche, ISTC) Kognityvinių mokslų ir technologijų institutas (CNR, www.istc.cnr.it), kuri yra iškiliausia kognityvinių mokslų tyrimų institucija Italijoje. 

Renginio metu trys pranešėjai supažindins Jus su dirbtiniu intelekto kurso turiniu ir jo mokymo medžiaga, apžvelgs dirbtinio intelekto ir giliojo mokymosi tendencijas, bei pristatys informaciją apie robotų humanoidų ir dirbtinio intelekto ryšį. 

 Renginys yra nemokamas, o registracija į renginį vyks likus 30 min iki pranešimų pradžios. Daugiau informacijos apie internetinį dirbtinio intelekto kursą ir jo medžiagą galite rasti čia: 

https://www.openlearning.com/courses/artificial-intelligence-ai-skills-for-ict-professionals/?cl=1

https://aris-project.eu/results-outputs/aris-learning-units

Bandomasis ARIS internetinio kurso pristatymas ​

Bandomasis ARIS mokymo programos kursas vyko internete nuo 2021 m. spalio 4 d. iki lapkričio 30 d.  Šiame kurso pristatyme dalyvavo projekto tikslinėms grupėms priklausantys asmenys, o pagrindinis tikslas buvo įvertinti sukurtos mokymosi medžiagos edukacinę vertę. Iš viso ARIS MOOC dalyvavo 172 studentai. Jie išmėgino 120-160 valandų apimties mokymosi kursą. Iš esmės po šio mokymosi proceso fiksuojamas teigiamas požiūris ir pastabos apie ARIS mokymo programos ir išteklių edukacinę vertę, visapusiškumą bei naudingumą. Dalyviai taip pat pateikė vertingų atsiliepimų apie mokymosi medžiagos ir internetinio kurso tobulinimą. Pridedamoje ataskaitoje (anglų kalba) apibendrinamos pagrindinės išvados ir vertinimo rezultatai, gauti įgyvendinant ARIS mokymo programą.

Ataskaitą galite atsisiųsti čia.

ARIS dirbtinio intelekto kurso mokymosi medžiaga

├─ Learning Unit 1 – Foundations of Artificial Intelligence.
│├ Lesson 1 – Scope of AI (document, slides).
│├ Lesson 2 – Problem Solving (document, slides).
│├ Lesson 3 – Knowledge Representation (document, slides).
│├ Lesson 4 – Machine Learning (document, slides).
│├ Lesson 5 – Applications (document, slides).
│└ Lesson 6 – Ethical Implications (document, slides).
│
├─ Learning Unit 2 – Machine Learning.
│├ Lesson 1 – Introduction to Machine Learning (document, slides).
│├ Lesson 2 – Languages and Resources (document, slides).
│├ Lesson 3 – Data Transformation and Visualization (document, slides).
│├ Lesson 4 – Supervised Linear Machine Learning (document, slides).
│├ Lesson 5 – Supervised non linear Machine Learning (document, slides).
│└ Lesson 6 – Unsupervised Machine Learning (document, slides).
│
├─ Learning Unit 3 – Neural Networks and Deep Learning.
│├ Lesson 1 – Brain Origins and Elements of Artificial Neural Networks (document, slides).
│├ Lesson 2 – Simple Perceptrons and Supervised Learning (document, slides).
│├ Lesson 3 – Multilayer Perceptron and Keras (document, slides).
│├ Lesson 4 – Deep Learning for Image Classification, Convolutive Neural Networks (document, slides). 
│├ Lesson 5 – Different CNNs for Image Classification (document, slides).
│└ Lesson 6 – Real Time Objects Locatization with YOLO (document, slides).
│
└─Learning Unit 4 – AI for Solving real-life problems.
   ├ Lesson 1 – Natural Language Processing Introduction, Embeddings Classification (document, slides).
   ├ Lesson 2 – Neural Networks for NLP and Libraries (document, slides).
   ├ Lesson 3 – New Approaches, Applications and Open Problems (document, slides).
   ├ Lesson 4 – BigData Problems, Core Techniques and Introduction to Problems, Hadoop Spark (document, slides).
   ├ Lesson 5 – Spark for Big Data Processing (document, slides).
   └ Lesson 6 – Cloud Computing and ML with PySpark (document, slides).