W dniu 11.03.2025 roku odbyło się kolejne spotkanie z nauczycielem akademickim Wyższej Szkoły Informatyki i Zarządzania z siedzibą w Rzeszowie Panem dr inż. Arkadiuszem Gawłem – Prodziekanem kierunku Analityka danych w biznesie i Analityka biznesowa i Big Data.

W spotkaniu udział wzięły:

8.00 – 8.45 Klasy: 2ER, 3ER, 4RZ, 5RZ (grupy technik rachunkowości) oraz 3BP (grupa technik programista) pod opieką nauczycieli uczących

8.50 – 9.35 Klasy: 5I (technik informatyk), 5IP (technik informatyk, technik programista) oraz 3BP (grupa technik programista) pod opieką nauczycieli uczących

Program spotkania obejmował:

ANALITYKA – czym jest i jak się posłużyć (8.00 – 8.45)

• Definicja i znaczenie analityki jako informatycznej dziedziny wykorzystującej matematykę, statystyki i uczenie maszynowe do znajdowania wzorców w danych i przekształcania ich w wiedzę, kluczowej dla biznesu.
• Model DIKW (Dane – Informacja – Wiedza – Mądrość) przedstawia hierarchię przekształcania surowych danych w mądrość wspierającą decyzje.
• Podział analityki na deskryptywną (analiza przeszłości), predyktywną (przewidywanie przyszłości) i preskryptywną (podejmowanie decyzji).
• Koncepcja data-driven mindset i myślenia krytycznego podkreśla oparcie decyzji na danych, weryfikację źródeł i unikanie manipulacji.
• Praktyczne zastosowania analityki w życiu codziennym obejmują finanse osobiste, zdrowie i optymalizację decyzji (System 1 i 2, metoda O.O.D.A.).

Sztuczna inteligencja – edukacja w dobie wielkiej zmiany (8.50 – 9.35)

• Definicja i historia sztucznej inteligencji (AI) jako modeli matematycznych naśladujących ludzki mózg, z chronologią rozwoju i kluczowymi technologiami.
• Zastosowania AI w zarządzaniu i biznesie obejmują wzrost wydajności, redukcję kosztów, personalizację, wykrywanie oszustw, automatyzację i optymalizację marketingu.
• Wpływ AI na edukację (dydaktykę) pokazuje potencjał AI (np. ChatGPT) we wspieraniu nauki i potrzebę adaptacji metod sprawdzania wiedzy.
• Kwestie prawne i etyczne związane z AI dotyczą braku regulacji prawnych twórczości AI, założeń AI Act w UE (klasyfikacja ryzyka) oraz etycznych aspektów (plagiat, stereotypy, prywatność).
• Podstawy uczenia maszynowego (ML) wyjaśniają jego rodzaje (nadzorowane, nienadzorowane, przez wzmacnianie) wraz z przykładami zastosowań i porównaniem języków R i Python.

Organizator spotkania: Krzysztof Mucha