Podstawy AI

• Explain training and inference in plain language.
• Separate demonstrated capability from marketing claims.
• Evaluate AI outputs using evidence, uncertainty, and fit-for-purpose tests.

Prerequisites:None.

1. 1

   What AI is

   Wynik: Distinguish AI, machine learning, and ordinary software.

   Ćwiczenie: Classify five everyday systems and explain which definition of AI you used.

   AI concepts and boundaries
   Czym jest sztuczna inteligencja? →Podstawy uczenia maszynowego →
2. 2

   How systems learn

   Wynik: Describe the role of examples, objectives, and generalization.

   Ćwiczenie: Diagnose why a model can perform well in testing but fail for a new population.

   Data, training, and generalization
   Jak uczy się sztuczna inteligencja →Podstawy uczenia maszynowego →Szkolenie AI →
3. 3

   Models and inference

   Wynik: Explain what happens when a trained model produces an output.

   Ćwiczenie: Trace one user request from input through model output and human review.

   Modele, wnioskowanie i ograniczenia
   Wyjaśnienie modeli AI →Wnioskowanie AI →Sieci neuronowe →
4. 4

   Evidence and uncertainty

   Wynik: Check claims, benchmarks, and confident-sounding outputs.

   Ćwiczenie: Create a claim ledger for one AI product announcement.

   Ewaluacja i kompetencje w zakresie benchmarkówUncertainty and confidence calibrationWeryfikacja źródła i twierdzenia
   Benchmarki AI →Halucynacje AI →Mity dotyczące sztucznej inteligencji →