Celem zajęć jest wykształcenie krytycznego, metodycznego i etycznego podejścia do wykorzystywania modeli sztucznej inteligencji na każdym etapie przewodu doktorskiego i realizacji projektów badawczych. Kurs nie skupia się na teoretycznych podstawach uczenia maszynowego, lecz na pragmatycznym warsztacie naukowca: od automatyzacji przeglądu literatury i ekstrakcji wiedzy, przez analizę oraz wizualizację danych, po proces redakcji tekstów naukowych, wniosków grantowych i recenzji peer review.
Uczestnicy zdobędą umiejętność doboru właściwych narzędzi wspomagających pracę z literaturą, kodem, danymi wieloaspektowymi oraz komunikacją wyników, zachowując pełną integralność akademicką, transparentność metodologiczną oraz bezpieczeństwo danych własnych i wrażliwych.
- Prowadzący: Paweł Popielski