Knowledge of AI applications (for text recognition, machine translation, machine learning) and their use in teaching - OPBK2K010C

• Title: Znalost aplikací AI (pro rozpoznávání textu, strojový překlad, strojové učení) a jejich využívání ve výuce
• Guaranteed by: Děkanát (41-DEKAN)
• Faculty: Faculty of Education
• Actual: from 2025
• Semester: winter
• E-Credits: 3
• Examination process: winter s.:
• Hours per week, examination: winter s.:1/1, C [HT]
• Capacity: 38 / 36 (unknown)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Note: course can be enrolled in outside the study plan; enabled for web enrollment
• Guarantor: Mgr. Josef Šlerka, Ph.D.; Mgr. Igor Červený
• Teacher(s): Mgr. Igor Červený; Mgr. Josef Šlerka, Ph.D.

Annotation

English

The course is designed to provide students of the Faculty of Education, Charles University (future teachers), with a comprehensive overview of artificial intelligence applications such as text recognition, machine translation, and machine learning. Participants will be introduced to specific tools and methods for effectively applying these technologies in educational settings to enhance the quality and accessibility of learning. The aim of the course is to equip students with practical skills and knowledge necessary for the implementation of AI technologies in the teaching process, with a strong emphasis on ethical and pedagogical considerations.

Last update: Červený Igor, Mgr. (07.09.2025)

Czech

Předmět je designován tak, aby studentům PedF UK (budoucím učitelům) poskytl komplexní přehled o aplikacích umělé inteligence, jako jsou rozpoznávání textu, strojový překlad a strojové učení. Účastníci se seznámí s konkrétními nástroji a metodami, jak tyto technologie efektivně využít ve výukovém prostředí pro zlepšení kvality a přístupnosti vzdělávání. Cílem kurzu je poskytnout praktické dovednosti a znalosti potřebné k implementaci AI technologií do výukového procesu s ohledem na etické a pedagogické aspekty. Kurz je realizován v rámci Univerzity Karlovy Podpora Rozvoje Učitelských kompetencí (PRoUK), registrační číslo: CZ.02.02.XX/00/23_019/0008385.

Last update: Kucharská Anna, doc. PhDr. PaedDr., Ph.D. (13.02.2026)

Literature

Online zdroje:

https://openai.com/index/teaching-with-ai/

https://teachingwithchatgpt.org.uk/

https://resobscura.substack.com/

Video kurzy:

https://www.youtube.com/@3blue1brown/courses

Vzdělávací portály:

https://aidetem.cz/

Last update: Červený Igor, Mgr. (07.09.2025)

Syllabus

2. 10. Algoritmy pro život: jak nám může informatika zpříjemnit práci učitele (80 min přednáška + 10 min diskuse)

-       Co je algoritmus, rozklad problému, učitelské workflow; rychlé automatizace.

-       Co je počítač a co automat a jak je to s inteligencí

 16. 10. Co je to umělá inteligence: dějiny, vývoj a jak s ní zacházet dnes

-       Od pravidlových systémů k ML; etika, integrita, GDPR ve škole; kdy stačí „obyčejný“ algoritmus.

 30. 10. Jak funguje neuronová síť (srozumitelně pro učitele)

-       Neurony, vrstvy, učení, ztrátová funkce, overfitting; „papírová NN“, jednoduché vizualizace.

 13. 11. Trénujeme vlastní neuronovou síť (no‑code/low‑code)

-       Datasety, train/val/test, metriky; malý klasifikátor, práce s chybami a biasem.

 27. 11. Jak fungují velké jazykové modely (LLM)

-       Tokeny, kontext, pravděpodobnosti, halucinace; návrhové vzory promptů a evaluace.

-       Deep learning

 11. 12. Fine‑tuning/úprava vlastního jazykového modelu (realisticky a bezpečně)

-       Kdy stačí prompting vs. kdy ladit model; datová hygiena; malé otevřené modely a adaptery.

-       Praktické finetunování modelů

 8. 1. Příprava vlastních projektů + peer‑feedback

-       Společná příprava vlastních projektů

 15. 1. Prezentace vlastních projektů

-       8–10 min prezentace + 5 min dotazy; společná reflexe a doporučení pro praxi.

!! Předmět je vyučován/realizován v rámci projektu: Podpora Rozvoje Učitelských Kompetencí (PRoUK) s registrační číslem: CZ.02.02.XX/00/23_019/0008385, který je finančně podpořen z Operačního programu: Jan Amos Komenský (MŠMT ČR) !!

Last update: Červený Igor, Mgr. (09.09.2025)

Learning outcomes

Po absolvování kurzu studenti:

• Aplikují algoritmické myšlení a automatizace na učitelské workflow

• Orientují se v AI (vývoj, pojmy) a volí vhodný přístup: algoritmus vs. AI

• Vysvětlí principy neuronových sítí a prakticky vytrénují jednoduchý model (no/low-code) včetně základního vyhodnocení

• Rozumí fungování LLM, umí pracovat s prompty a kriticky hodnotit výstupy (halucinace, bias)

• Posoudí, kdy stačí prompting a kdy (a jak bezpečně) uvažovat o úpravách modelu (fine-tuning, datová hygiena)

• Navrhnou a obhájí vlastní výukový projekt s AI s ohledem na etiku, integritu a GDPR, včetně peer-feedbacku

Last update: Červený Igor, Mgr. (20.02.2026)

Registration requirements

Požadavky v předmětu: 

●        průběžná příprava, 

●        aktivní účast na seminářích

●        plnění zadaných úkolů, vkládání do Moodle (dle domluveného termínu), reflexe na seminářích

Klasifikovaný zápočet: protokol o skupinoví experimentu s AI

Last update: Červený Igor, Mgr. (07.09.2025)