Umjetna inteligencija za digitalno stvaranje i interakciju
Prikazani su podaci za akademsku godinu: 2024./2025.
Nositelji
Laboratorijske vježbe
Opis predmeta
Široki pregled metoda umjetne inteligencije i primjena. Poznavanje osnova i upotrebe modernih sustava umjetne inteligencije: veliki jezični modeli, generativni modeli slika i 3D oblika, agentski sustavi. Posebna pažnja bit će dana primjenama u računalnoj grafici, virtualnim okruženjima i ostalim digitalnim interaktivnim sustavima.
Preduvjeti
-
Studijski programi
Sveučilišni diplomski
Vještine - dipl.studij_FER3 - 2. semestar (2. semestar) Vještine - dipl.studij_FER3 - 2. semestar (2. semestar)[FER3-HR] Računarstvo - studij
Vještine - dipl.studij_FER3 - 2. semestar
(2. semestar)
Ishodi učenja
- Analizirati široki raspon metoda umjetne inteligencije i primjena
- Objasniti osnovna načela velikih jezičnih modela
- Objasniti osnovna načela generativnih modela slika i 3D oblika
- Objasniti osnovna načela potpomognutog učenja
- Razviti aplikacijski prototip korištenjem različitih metoda umjetne inteligencije
- Usporediti različite modele umjetne inteligencije u kontekstu ograničenja I izazova koje predstavljaju
Oblici nastave
Predavanja
Teoretska predavanja
Seminari i radioniceprojekt izrade aplikacije koja primjenjuje umjetnu inteligenciju
Samostalni zadaciPripreme za predavanja
Multimedija i mrežaPreuzimanje sadržaja vezanih uz izvedbu kolegija
Način ocjenjivanja
Kontinuirana nastava | Ispitni rok | |||||
---|---|---|---|---|---|---|
Vrsta provjere | Prag | Udio u ocjeni | Prag | Udio u ocjeni | ||
Seminar/Projekt | 0 % | 30 % | 0 % | 30 % | ||
Međuispit: Pismeni | 0 % | 35 % | 0 % | |||
Završni ispit: Pismeni | 0 % | 35 % |
Napomena / komentar
-
Tjedni plan nastave
- Uvod i upoznavanje s planom/ciljevima predmeta. Povijest i pregled primjene umjetne inteligencije u igrama, virtualnim okruženjima i inženjerstvu općenito.
- Klasične metode umjetne inteligencije.
- Osnove strojnog učenja i raspoznavanja uzoraka.
- Neuronske mreže i algoritam povratnog širenja.
- Uvod u velike jezične modele (Large Language Models -- LLMs) i chatbotove. Prominentni rani primjeri (GPT-1 i 2, BERT) i moderni veliki modeli (LLaMA, GPT-4 itd.). Vrednovanje točnosti i zakoni skaliranja. Instrukcijsko ugađanje.
- Učinkovito korištenje velikih jezičnih modela u praksi: strategije dekodiranja, prompt engineering. Skraćivanje, proširivanje, transformacija i analiza teksta. Ubrzavanje i prilagodba za praktične primjene: kvantizacija, podrezivanje i destilacija.
- Napredne metode korištenja velikih jezičnih modela: poboljšanja uz primjenu pretraživača teksta (RAG) i upotrebu alata (toolformeri), ugađanje i metoda PEFT, agentski sustavi. Uvod u multimodalne modele.
- Međuispit
- Generativni modeli slika i 3D oblika.
- Nove reprezentacije virtualnih scena: neuralna polja zračenja i Gaussian splatting.
- Uvod u programske agente. Programski agenti temeljeni na velikim jezičnim modelima.
- Osnove potpomognutog učenja (reinforcement learning).
- Osnove potpomognutog učenja -- nastavak.
- Ograničenja i izazovi moderne umjetne inteligencije. AI safety. Zaključak.
- Završni ispit.
Literatura
Izvedba
ID 269310
Ljetni semestar
3 ECTS
R0 Engleski jezik
R1 E-učenje
30 Predavanja
5 Seminar
0 Auditorne vježbe
10 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja
Ocjenjivanje
90 izvrstan
75 vrlo dobar
65 dobar
50 dovoljan