Politechnika Lubelska otworzyła nowy kierunek studiów - sztuczną inteligencję w biznesie. Absolwenci, którzy go ukończą, mają być przygotowani do pracy w firmach korzystających z nowinek technicznych, w tym uczenia maszynowego, chatbotów, sztucznych sieci neuronowych itp.
Nowy kierunek to odpowiedź lubelskiej uczelni na coraz większą popularność narzędzi opartych na nowych algorytmach oraz potrzeby kształcenia przyszłych kadr dla firm, którą mają zamiar je wykorzystywać dla osiągnięcia zysków. Optymalne wykorzystanie możliwości SI np. do automatyzacji procesów lub analizy danych, ma pomóc polskim przedsiębiorstwom w osiąganiu konkurencyjnej przewagi na rynku. Sięgnięcie po nowe zdobycze techniki może ułatwić również przygotowywanie bardziej spersonalizowanych usług dla klientów.
- Przedsiębiorcy poszukują technologii i narzędzi, które nie tylko generują wiedzę, ale również ją optymalizują - twierdzi dr Bartosz Przysucha, prodziekan ds. kształcenia wydziału zarzadzania lubelskiej politechniki, który był jednym z gości poświęconej temu zagadnieniu, zorganizowanej w Puławach konferencji.
- Naszym celem jest przygotowanie absolwentów do efektywnego wsparcia nowoczesnych przedsiębiorstw, które coraz częściej korzystają z technologii uczenia maszynowego i SI – tłumaczy prof. Marcin Gąsior, dziekan wydziału zarządzania PL. Jak zaznacza, nowy kierunek to reakcja na potrzeby rynku oraz zmian w otoczeniu społeczno-gospodarczym.
Studenci nowego kierunku w założeniach uczelni, mają uczyć się nie tylko od teoretyków, ale przede wszystkim od praktyków z firm wykorzystujących sztuczną inteligencję na co dzień. Dzięki temu, żacy mają otrzymywać unikatową i aktualną wiedzę, a jednocześnie szansę poznania osób, z którymi w przyszłości być może sami będą pracować.
Przykładowymi przedmiotami na nowym kierunku są m.in. : przemysł 4.0 i przemysłowa sztuczna inteligencja, projektowanie i optymalizacja procesów w przedsiębiorstwie, metody i techniki sztucznej inteligencji, czy perspektywy i filozofia sztucznej inteligencji. Nie zabraknie także bardziej konkretnych zagadnień, jak systemy chatbot, uczenie głębokie do rozpoznawania obiektów i mowy, czy zastosowanie sieci neuronowych w przemysłowej diagnostyce.