keywords:"generative AI" - Výsledky hledání - Digitální repozitář

host :: přihlásit Digitální repozitář
		Hledej		Nový záznam		Nápověda		O repozitáři

Hlavní stránka > Výsledky hledání: keywords:"generative AI"

Hledej:

Tipy pro vyhledávaní :: Rozšířené hledání

Hledej ve sbírkách:

Seřadit podle:	Zobrazit výsledky:	Výstupní formát:

	Možnosti využití umělé inteligence jako podpory práce učitele informatiky na střední škole Procházka, Jiří ; Černochová, Miroslava (vedoucí práce) ; Neumajer, Ondřej (oponent) Možnosti využití umělé inteligence jako podpory práce učitele informatiky na střední škole ABSTRAKT Tato diplomová práce zkoumá využití umělé inteligence (AI), konkrétně ChatGPT-4, ve výuce informatiky na střední škole. V teoretické části je představen přehled současných přístupů v AI a srovnání velkých jazykových modelů, s důrazem na ChatGPT-4 pro jeho schopnosti v oblasti generování textu, obrazů z textu a práce s kódem, stejně jako efektivní komunikaci v českém jazyce. Případová studie se soustředila na využití ChatGPT-4 v kompetenčním rámci učitele, zahrnující tvorbu vzdělávacích materiálů, plánování, vedení a reflexi výuky, tvorbu prostředí, poskytování zpětné vazby a hodnocení, profesní komunikaci a rozvoj. Studie potvrdila, že ChatGPT-4 může výrazně zefektivnit práci učitele, šetří čas a tím podporuje větší individualizaci výuky. Dále byla provedena analýza dostupných AI nástrojů vhodných pro výuku informatiky. Diskuse se věnuje tomu, jak integrace AI do výuky informatiky může transformovat práci učitele. AI nabízí podporu v přípravě materiálů a optimalizaci výuky, což zvyšuje prostor pro osobní interakci s studenty. KLÍČOVÁ SLOVA umělá inteligence ve vzdělávání, velké jazykové modely, ChatGPT, AI nástroje pro učitele, generativní AI, integrace AI, výuka informatiky a technologií, případová studie,... Úplný záznam
	Vliv umělé inteligence na vnímání kvality a důvěryhodnosti obsahu v digitální komunikaci Richter, Martin ; Slavíček, Daniel (vedoucí práce) ; Koblovský, Petr (oponent) Tato diplomová práce se zaměřuje na vliv umělé inteligence (AI) na digitální komunikaci, vnímání obsahu a potenciální negativní důsledky spojené s generovaným obsahem. Práce také předkládá možnosti, které generativní umělá inteligence přináší v kontextu tvorby multimediálního obsahu. Zároveň se věnuje faktorům a zkreslením, které ovlivňují vnímání takto generovaného obsahu. Práce také analyzuje povědomí a schopnosti žáků základních a středních škol v oblasti generativní AI. Výsledky ukazují, že studenti mají povědomí o schopnostech generativní AI, ale mají potíže s rozpoznáním generovaného obsahu, což poukazuje na potenciální rizika spojená s manipulací a dezinformacemi. Úplný záznam
	Model Compression of Denoising Diffusion Probabilistic Models for Image Generation Dobiš, Lukáš ; Kišš, Martin (oponent) ; Hradiš, Michal (vedoucí práce) This thesis is dedicated to optimizating computation in generative diffusion models by evaluating conventional model compression aproaches on Denoising Diffusion Probabilistic Model (DDPM). Model compression was done on parameters of pretrained baseline DDPM neural network by several quantization and pruning methods. These methods were evaluated on three image dataset benchmarks. Results show that quantization and pruning are viable compression methods for downsizing diffusion networks, because they showed little decrease in quality of generated imagery. These results confirm that implemented compression approaches are vital for deployment of diffusion models on resource constrained Edge devices or to offset their compute costs. Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.

Digitální repozitář :: :: :: ::
Powered by v1.1.2
Spravuje

Tato stránka je dostupná také v následujících jazycích:
Česky English