Decydowanie – 3 liceum/technikum
Szybkie ćwiczenie pomagające opanować podstawą wiedzę z zakresu cyfrowego zapisu informacji (np. programów w Pythonie lub stron www w HTML). Twoim zadaniem jest wybranie poprawnej odpowiedzi z dwóch podanych.
Filtruj według klasy
Myślenie algorytmiczne
Logika i rozwiązywanie problemów
Twierdzenia logiczne słownie
Określanie wartości logicznej zdania
Owoce i warzywa: określanie wartości logicznej
Baśniowa logika: określanie wartości logicznej
Potworki: określanie wartości logicznej
Implikacja i równoważność
Potworki: implikacja i równoważność
Owoce i warzywa: implikacja i równoważność
Baśniowa logika: implikacja i równoważność
Negacja zdania
Baśniowa logika: negacja
Wnioskowanie logiczne
Potworki: wnioskowanie z implikacji i równoważności
Wyrażenia logiczne
Operatory logiczne i matryce logiczne
Wyznaczanie wartości wyrażeń logicznych
Wnioskowanie logiczne z operatorami
Bramki logiczne
Nazywanie bramek logicznych
Analiza bramek logicznych
Analiza bramek logicznych bez legendy
Układy logiczne
Analiza układów logicznych
Kodowanie i modelowanie
Kodowanie informacji
Znaki drogowe
Kodowanie tekstu i szyfrowanie
Kodowanie tekstu w komputerach
Szyfrowanie: pojęcia i zasady
Kodowanie obrazu i dźwięku
Grafika wektorowa
Grafika rastrowa vs. wektorowa
Kolory RGB
Kodowanie dźwięku
Kodowanie liczb
Liczby binarne: podstawy
Liczby binarne ujemne i dziesiętne
Liczenie w systemie binarnym
Operacje bitowe
Liczby heksadecymalne (szesnastkowe)
Transmisja i kompresja danych
Kompresja danych
Transmisja danych
Modelowanie za pomocą grafów
Teoria grafów: pojęcia podstawowe
Teoria grafów: właściwości i elementy grafów
Modelowanie i symulacja
Zastosowanie modeli i symulacji
Sprzężenia zwrotne
Zarządzanie danymi
Przygotowanie dokumentów
Typografia
Rodzaje czcionek
Terminy typograficzne
Przygotowanie tekstów i prezentacji
Źródła, cytowanie
Multimedia
Fotografia cyfrowa
Dźwięk
Web design
Web design: pojęcia, technologie
Kolory: ogólne zasady
HTML: podstawy
CSS: podstawy
CSS: główne właściwości i ich zastosowanie
CSS: kolory i ich zastosowanie
Technologie cyfrowe
Sprzęt komputerowy (hardware)
Rodzaje komputerów
Historia komputerów
Procesor i architektura
Pamięć
Sprzęt komputerowy: miks przykładów
Oprogramowanie (software)
Właściwości oprogramowania
Łacińsko‑greckie prefiksy i sufiksy w informatyce
Oprogramowanie: różne przykłady
Sieci komputerowe
Internet i strona internetowa
Sieci komputerowe: ogólne zasady
Sieci komputerowe: protokoły
Sieci komputerowe: sprzęt
Sieci komputerowe: miks przykładów
Telefony komórkowe
Telefony komórkowe: podstawy
Telefony komórkowe: oprogramowanie, łączenie, płatności
Telefony komórkowe: sprzęt
Telefony komórkowe: miks przykładów
Wykorzystanie technologii
Praca z informacjami
Autorstwo i licencja
Dezinformacja, hoaxy, manipulacja
Metadane
Komunikacja
Systemy informatyczne
Dane osobowe
Bezpieczeństwo
Zabezpieczenie urządzeń
Szyfrowanie w praktyce
Bezpieczeństwo: różne przykłady
Rozwiązywanie problemów technicznych
Problemy techniczne: sterowanie komputerem
Problemy techniczne: urządzenia wejścia-wyjścia
Problemy techniczne: urządzenia mobilne
Problemy techniczne: różne przykłady
Technologie a zdrowie
Monitorowanie stanu zdrowia
Język programowania Python
Zmienne i operatory
Operatory logiczne w Pythonie
Zmienne i wyrażenia: miks przykładów
Wykonywanie obliczeń
Wykonywanie obliczeń: miks przykładów
Typy danych i ich zastosowanie
Typy danych: miks przykładów
Sztuczna inteligencja i uczenie maszynowe
Postawy sztucznej inteligencji
Definicja sztucznej inteligencji
Wykorzystanie i umiejętności sztucznej inteligencji
Sztuczna inteligencja: rzeczywistość i fikcja
Historia sztucznej inteligencji
Społeczne skutki sztucznej inteligencji
Sztuczna inteligencja: różne przykłady
Zastosowanie sztucznej inteligencji
Przetwarzanie języka naturalnego
Widzenie komputerowe
Zastosowanie sztucznej inteligencji: miks
Metody sztucznej inteligencji
Zadania i metody sztucznej inteligencji
Podstawy uczenia maszynowego
Zadania uczenia maszynowego
Metody uczenia maszynowego
Metody uczenia maszynowego
Drzewa decyzyjne
Sieci neuronowe
Metody uczenia maszynowego: miks przykładów














































































































































































































