AI kl 2

Cel: Zdefiniowanie AI i wyjaśnienie jej podstawowych koncepcji.
Kluczowe zagadnienia:
- Definicja AI (Sztuczna Inteligencja) – odróżnienie od robotyki.
- Rodzaje AI: słaba (ANI) vs. silna (AGI) – przykłady zastosowań z życia codziennego (np. Netflix, Spotify, Asystent Google).
- Jak "uczy się" maszyna? (Wprowadzenie do uczenia maszynowego – Machine Learning).
- Podstawowe pojęcia: algorytmy, zbiory danych, sieci neuronowe (w uproszczeniu).
Zadanie dla uczniów: Zebranie 3-5 przykładów, w których AI wpływa na ich codzienne życie.

Cel: Pokazanie, jak AI wspomaga proces kodowania i jakie narzędzia są obecnie używane w branży.
Kluczowe zagadnienia:
- GitHub Copilot i podobne narzędzia (np. Tabnine) – demonstracja działania w VS Code.
- Generowanie kodu: Jak AI potrafi pisać funkcje, poprawiać składnię i sugerować następne linie kodu.
- Optymalizacja i debugowanie: Wykorzystanie AI do znajdowania i sugerowania poprawek błędów (debugowania).
- Zagrożenia i ograniczenia: Kwestie bezpieczeństwa, nadmierne poleganie na AI, konieczność weryfikacji kodu.
Zadanie dla uczniów: Przygotowanie krótkiego dema, gdzie AI pisze prostą funkcję (np. w JavaScript).

Cel: Zrozumienie, jak AI generatywna (Generative AI) wspiera projektowanie graficzne i UX/UI.
Kluczowe zagadnienia:
- Generatory obrazów (np. Midjourney, DALL-E) – tworzenie grafik, ikon i tła do stron internetowych.
- AI w projektowaniu UX/UI: Tworzenie makiet (wireframes) na podstawie opisu tekstowego, generowanie palet kolorów.
- Przekształcanie pomysłów w prototypy: Jak AI skraca drogę od koncepcji do gotowego elementu wizualnego.
- Kwestie praw autorskich do grafik generowanych przez AI.

Cel: Omówienie, jak AI jest wykorzystywana do zarządzania infrastrukturą IT.
Kluczowe zagadnienia:
- Monitoring i diagnostyka: AI wykrywająca anomalie i potencjalne awarie w systemach operacyjnych i sieciach.
- Automatyzacja zadań: Skrypty AI do automatycznego zarządzania zasobami, aktualizacjami i kopiami zapasowymi (backupami).
- Bezpieczeństwo (Cybersecurity): Wykorzystanie AI do identyfikacji zagrożeń, ataków typu phishing i monitorowania ruchu sieciowego.
- Predictive Maintenance (utrzymanie predykcyjne) – przewidywanie konieczności naprawy sprzętu.

Cel: Analiza roli AI w interakcjach z użytkownikiem (w kontekście tworzenia aplikacji webowych).
Kluczowe zagadnienia:
- Chatboty vs. Asystenci Głosowi (np. Siri, Alexa) – różnice w działaniu.
- Natural Language Processing (NLP): Jak AI rozumie ludzki język.
- Zastosowania w web development: Boty obsługi klienta na stronach internetowych (customer support), personalizacja doświadczenia użytkownika.
- Tworzenie prostego "Promptu" dla modelu językowego (jak zadawać pytania, żeby uzyskać najlepszą odpowiedź).

Cel: Krytyczne spojrzenie na wpływ AI na społeczeństwo i rynek pracy.
Kluczowe zagadnienia:
- Bias (Uprzedzenia) w AI: Jak dane szkoleniowe mogą prowadzić do niesprawiedliwych decyzji (np. w rekrutacji).
- Prywatność i ochrona danych: Jak AI zbiera i przetwarza ogromne ilości informacji.
- Wpływ na rynek pracy: Czy AI "zabierze" pracę programistom i administratorom? (Konieczność przekwalifikowania się).
- Odpowiedzialność za błędy popełnione przez sztuczną inteligencję.

Cel: Przedstawienie możliwości wykorzystania AI do personalizacji nauki i tworzenia materiałów.
Kluczowe zagadnienia:
- Personalizacja ścieżki nauki: AI dostosowujące poziom trudności zadań do indywidualnych potrzeb ucznia.
- Tworzenie materiałów: Wykorzystanie AI do generowania przykładów kodu, tworzenia testów i wyjaśniania skomplikowanych koncepcji.
- Wirtualni Korepetytorzy: Narzędzia AI pomagające w rozwiązywaniu problemów 24/7.
- Efektywne wykorzystanie AI do nauki informatyki: Jak AI może być "drugim mózgiem", a nie "protezą"

Google Sites

Report abuse