Odpowiedzialna sztuczna inteligencja Inżynieria wiedzy Podstawy logiczne reprezentacji wiedzy Sieci semantyczne Ramy Ontologie Język RDFS Język modelowania ontologii OWL Grafy wiedzy Konstrukcja grafu wiedzy Uczenie reprezentacji grafów wiedzy Metodologia inżynierii wiedzy Etykiety i wielojęzyczność Metodyki inżynierii wiedzy Zasady FAIR Analiza danych ustrukturyzowanych Przekształcanie wartości atrybutów Brakujące wartości atrybutów Usuwanie niekompletnych rekordów Imputacja jednokrotna Imputacja wielokrotna Redukcja wymiarowości Korelacje atrybutów Selekcja cech Ekstrakcja cech Niezbalansowane dane Ocena jakości, uwzględnianie kosztów pomyłek Przetwarzanie języka naturalnego Opis języka, podejście klasyczne i statystyczne Języki fleksyjne i pozycyjne Semantyka Przetwarzanie tekstu w języku naturalnym Tokenizacja Określenie części mowy Lematyzacja i wyodrębnienie rdzenia Usunięcie powszechnie występujących słów Rozpoznawanie jednostek nazewniczych Reprezentacje tekstu Reprezentacja n-gramowa Rozmiar reprezentacji n-gramowych Kodowanie „1 z n” Inne reprezentacje klasyczne Reprezentacje zanurzone Wyznaczanie podobieństwa między dokumentami tekstowymi Modele w przetwarzaniu języka naturalnego Modele regułowe Klasyczne modele statystyczne Głębokie sieci neuronowe Modele języka Modele statystyczne Modele oparte na uczeniu głębokim Modele wielojęzyczne Rozwiązania multimodalne Bioinformatyka Podstawy biologiczne Dane bioinformatyczne Algorytmy uliniowienia Badanie podobieństwa dwóch sekwencji Mapowanie odczytów Sekwencjonowanie Następnej Generacji Formaty danych wykorzystywane w analizie NGS Asemblacja de novo Potok przetwarzania danych z NGS Percepcja maszyn Widzenie geometryczne Modele kamer i ich kalibracja Geometria epipolarna Homografie Punkty charakterystyczne Rekonstrukcja 3D Sieci neuronowe w wizji komputerowej Rozpoznawanie obrazów i detekcja obiektów Segmentacja Odszumianie obrazów Zmiana stylu Przetwarzanie dźwięków Reprezentacja sygnałów dźwiękowych Typy zadań w analizie nagrań dźwiękowych Ocena jakości systemu rozpoznawania dźwięku Opis zawartości nagrania za pomocą atrybutów Rozpoznawanie dźwięku za pomocą sieci neuronowych Wyjaśnialna sztuczna inteligencja Oczekiwania a rzeczywistość Taksonomia metod XAI Interpretowalna struktura vs. przybliżone wyjaśnienia Wyjaśnienia specyficzne dla rodziny modeli vs. wyjaśnienia niezależne od struktury modelu Lokalna analiza modelu vs. globalna analiza modelu Atrybucje zmiennych vs. profil odpowiedzi Piramida eksploracji modelu Lokalna analiza modelu Addytywna atrybucja, metoda SHAP Przybliżenie interpretowanym modelem – LIME Lokalny profil – ceteris paribus Globalna analiza modelu Globalna atrybucja Globalny profil dla zmiennej – cząstkowa zależność Globalny profil dla zmiennej – skumulowane przyrosty Przykładowa analiza z użyciem technik XAI Globalna analiza modelu Lokalna analiza modelu Inżynieria uczenia maszynowego Realizacja projektów stosujących UM Definiowanie zadań modelowania Miary jakości Ocena dostępnych danych Sukcesja modeli Eksperymenty A/B Causal impact Wdrożenia i utrzymanie Środowiska statyczne i dynamiczne Wyzwania powdrożeniowe Prywatność i bezpieczeństwo Złośliwe dane Praca z danymi wrażliwymi – prywatność różnicowa Bezpieczeństwo systemów wykorzystujących UM