Uniwersytet Warszawski, Wydział Chemii - Centralny System Uwierzytelniania
Strona główna

Sztuczna Inteligencja i Big Data w badaniach naukowych 1600-SZD-WM-NZI
Wykład (WYK) Semestr letni 2023/24

Informacje o zajęciach (wspólne dla wszystkich grup)

Liczba godzin: 20
Limit miejsc: 15
Zaliczenie: Zaliczenie
Literatura:

1. Campos, R., Mangaravite V., Pasquali A., Jorge A.M., Nunes C., Jatowt A. (2018). YAKE! Collection-Independent Automatic Keyword Extractor. In Pasi G., Piwowarski B., Azzopardi L., Hanbury A. (Eds) Advances in Information Retrieval. ECIR 2018. Lecture Notes in Computer Science, vol. 10772. Springer, Cham. https://doi.org/10.1007/978-3-319-76941-7_80.

2. Gogołek W. i inni,; Citizen Big Data Refining on the example of the capital city of Warsaw. Analiza zasobów informacyjnych Big Data. Citizen Science na przykładzie miasta stołecznego Warszawy. Urban Development Issues, vol. 73 (2022), 08 https://doi.org/10.51733/udi.2022.73.08. https://drive.google.com/file/d/1d5sCFJSm6k6GN9XnUiPwp2ay_owsRacg/view?usp=sharing.

3. Gogołek W. Big Data o mediach. Dominanty świata mediów. „Studia Medioznawcze”, Tom 23 Nr 2, Opublikowane: 2022-06-30. Big Data o mediach. Dominanty świata mediów (studiamedioznawcze.eu) Widok Big Data o mediach. Dominanty świata mediów (studiamedioznawcze.eu)

4. Gogołek W. i inni, Machine learning. Edukacja i koronawirus. W: Teoretyczne i praktyczne aspekty pedagogiki medialnej, (red.) D. Siemieniecka, K. Majewska, Wydawnictwo UMK, Toruń 2021, s.189-204. ISBN 978-83-231-4551-6, eISBN 978-83-231-4552-3, https://doi.org/10.12775/978-83-231-4552-3.

5. Gogołek W. Refining Big Data, Bulletin of Science, Technology & Society; 1–6, © The Author(s) 2019; Article reuse guidelines: sagepub.com/journals-permissions; DOI: 10.1177/0270467619864012; journals.sagepub.com/home/bst.

6. Gogołek W. i inni, Z badań nad wykorzystaniem rafinacja informacji sieciowej. Wybory prezydenckie i parlamentarne 2015. Studia Medioznawcze nr 3(62) 2015, Instytut Dziennikarstwa UW, Warszawa 2015, s. 31 – 43. From the research – refining the information from the net. Presidential and parliamentary elections in 2015, 2015 no. 3(62).

http://studiamedioznawcze.pl/article.php?date=2015_3_62&content=gogolek&lang=en

7. Gogołek W., i inni,, Z badań nad systemem rafinacji sieciowej Identyfikacja sentymentów, Studia Medioznawcze Media Studies 4 (67) 2016. http://studiamedioznawcze.pl/article.php?date=2016_4_67&content=gogolek&lang=pl

8. Gogołek W. i inni, Rafinacja informacji sieciowych na przykładzie wyborów parlamentarnych. Część 2. Portale internetowe, konteksty medialne i merytoryczne, Studia Medioznawcze nr 3(54) 2013, Instytut Dziennikarstwa UW, Warszawa 2013, s. 153 - 161. http://studiamedioznawcze.pl/Numery/2013_3_54/pelny.pdf

9. Gogołek W., i inni, Media Studies: Refining Network Information on the Example of Parliamentary Elections. Part 1. Blogs, Forums, Sentiment Analysis, 2012, no. 2(53) http://studiamedioznawcze.pl/article.php?date=2013_2_53&content=gogolek&lang=en.

10. Gogołek W., i inni, Refining Network Information on the Example of Parliamentary Elections. Part 2, Internet Portals, Media and Content, 2012, no 3(53) http://studiamedioznawcze.pl/article.php?date=2013_3_54&content=gogolek&lang=en.

11. Mayer-Schonberger, V., & Cukier, K. (2017). Big Data, Rewolucja która zmieni nasze myślenie pracę i życie. Warszawa: MT Biznes.

12. PwC. (2018). Perspektywy Rozwoju Branży Rozrywki I Mediów W Polsce 2018-2022. Link https://www.pwc.pl/pl/pdf/publikacje/2018/media-i-rozrywka-2018-raport-pwc.pdf.

13. Pruchnik, P., Identyfikacja trendów w polskich mediach na przykładzie kwartalnika „Studia Medioznawcze” (2019). Wykorzystanie narzędzi Big Data, Studia Medioznawcze, Warszawa 2019. Link https://studiamedioznawcze.eu/index.php/studiamedioznawcze/article/view/113/116

14. Silge, J., & Robinson, D. (2019). Text Mining with R A Tidy Approach. Link z https://www.tidytextmining.com/.

Metody i kryteria oceniania: (tylko po angielsku)

description of requirements related to participation in classes, including the

permitted number of explained absences;

Activity during the class. Two absences allowed

principles for passing the classes and the subject (including resit session);

Evaluate the concept of using artificial intelligence and Big Data in your own thesis or other research work of your choice.

methods for the verification of learning outcomes;

The result of the evaluation of activity during the class (conversation, problem tasks) and the evaluation of the concept for the use of Artificial Intelligence and Big Data

evaluation criteria

Execution and completion of the conception of for the indicated research work.

Zakres tematów:

Potencjał informacyjny sztucznej inteligencji (AI) i dużych zasobów informacyjnych (Big Data). w badaniach naukowych. Krytyczna rola: (1) technologii informacyjnych (potencjał informatyczny, obliczeniowy i komunikacyjny), (2) Big Data w oczekiwanych efektach wykorzystania (3) narzędzi/aplikacji AI i (4) statystyk. Narzędzia AI do analizy dużych zbiorów informacji i efektywnej komunikacji komputer-człowiek. Ilustracja znaczenia posiadania zasobów na przykładzie kluczowej funkcjonalności sztucznej inteligencji - Machine Learning (ML). Istota procesu budowania modelu/opisu obrazu badanego obiektu/zjawiska w przeszłości, w czasie rzeczywistym i predykcji, a także odkrywania trendów, zależności, prawidłowości w danych opisujących badany obiekt - przedmiot dociekań naukowych. Ilustracja potencjału Big Data, AI i statystyk, studiami przypadków: media, edukacja, historia, wybory prezydenckie/parlamentarne, fake news, medycyna, nowe technologie i inne.

Metody dydaktyczne: (tylko po angielsku)

Distains learning

Grupy zajęciowe

zobacz na planie zajęć

Grupa Termin(y) Prowadzący Miejsca Liczba osób w grupie / limit miejsc Akcje
1 każda środa, 10:00 - 11:30, (sala nieznana)
Włodzimierz Gogołek 9/25 szczegóły
Wszystkie zajęcia odbywają się w budynku:
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Chemii.
ul. Pasteura 1, 02-093 tel: +48 22 55 26 230 http://www.chem.uw.edu.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0-3 (2024-12-18)