|
Vyučující
|
|
|
|
Obsah předmětu
|
Týmy si vybírají nebo dostávají jedno z vhodných témat, např.: - Inteligentní vyhledávání v archivních dokumentech - Automatická klasifikace archivních materiálů - OCR a zpracování historických dokumentů - Extrahování informací z textu - AI chatbot nad archivní databází - Vizualizace historických dat - Propojování archivních zdrojů (knowledge graph) - Analýza rukopisů nebo historických obrazů - Sémantické vyhledávání v kulturních archivech
|
|
Studijní aktivity a metody výuky
|
Dialogická (diskuze, rozhovor, brainstorming), Laboratorní práce, Projektová výuka, Praktická výuka
- Domácí příprava na výuku
- 36 hodin za semestr
- Semestrální práce
- 44 hodin za semestr
- Účast na výuce
- 36 hodin za semestr
- Exkurze
- 4 hodiny za semestr
|
|
Výstupy z učení
|
Předmět Hackathon - Smart Archives: Unlocking Knowledge with AI je intenzivní projektová aktivita zaměřená na návrh a implementaci prototypů nástrojů pro práci s archivními daty pomocí metod umělé inteligence. Studenti během 24hodinového hackathonu pracují v týmech na řešení reálných problémů spojených s digitalizací, analýzou a zpřístupněním archivních dokumentů. Cílem je využít moderní technologie (např. strojové učení, zpracování přirozeného jazyka, počítačové vidění nebo generativní AI) k vytvoření prototypu nástroje, který umožní efektivnější vyhledávání, klasifikaci, interpretaci nebo vizualizaci historických a archivních dat. Hackathon simuluje prostředí rychlého vývoje inovativních řešení, podporuje kreativitu, interdisciplinární spolupráci a praktické využití znalostí informatiky, datové vědy a digitální humanitní vědy.
Po absolvování kurzu by měl student být schopen porozumět základním problémům digitálních archivů a práce s historickými daty, dokáže navrhnout prototyp softwarového řešení využívajícího AI, osvojí si principy rychlého vývoje (rapid prototyping), získá zkušenost s týmovou spoluprací pod časovým tlakem a dokáže prezentovat a obhájit technologické řešení.
|
|
Předpoklady
|
Předmět nemá žádnou prerekvizitu. Výhodou je základní znalosti programování, práce s daty a znalost AI (machine learning).
|
|
Hodnoticí metody a kritéria
|
Analýza výkonů studenta, Rozbor produktů pracovní činnosti studenta (technické práce), Seminární práce
Požadavky k absolvování předmětu: Každý tým odevzdává: - zdrojový kód projektu - krátkou dokumentaci (2-4 strany) - prezentaci projektu - funkční prototyp nebo demo
|
|
Doporučená literatura
|
-
MDN Web Docs.
-
ALBADA, Michael. Building Applications with AI Agents: Designing and Implementing Multi-Agent Systems. O'Reilly Media, 2025. ISBN 978-1-098-17650-1.
-
BOURNE, Keith. Unlocking data with generative AI and RAG: enhance generative AI systems by integrating internal data with large language models using RAG. Birmingham: Packt Publishing, 2024. ISBN 978-1-83588-790-5.
-
BOURNE, Keith. Unlocking Data with Generative AI and RAG: Learn AI agent fundamentals with RAG-powered memory, graph-based RAG, and intelligent recall. O'Reilly Media, 2025. ISBN 978-1-80638-165-4.
-
Collins, M. J. Pro HTML5 with CSS, JavaScript, and Multimedia: Complete Website Development and Best Practices. Chesterfield, Virginia (USA): Apress, 2017. ISBN 978-1-4842-2462-5.
-
RUSSELL, Stuart J. a NORVIG, Peter. Artificial intelligence: a modern approach. Hoboken: Pearson, 2021. ISBN 978-0-13-461099-3.
|