Karta Przedmiotu

Politechnika Białostocka Wydział Informatyki
Kierunek studiów Data Science Poziom i forma
studiów
pierwszego stopnia
stacjonarne
Grupa przedmiotów /
specjalność
Profil kształcenia ogólnoakademicki
Nazwa przedmiotu Przedmiot obieralny 5 Kod przedmiotu -
Rodzaj zajęć obowiązkowy
Formy zajęć i liczba godzin W Ć L P Ps T S Semestr 6
26 30 Punkty ECTS 5
Program obowiązuje od 2025/2026
Przedmioty wprowadzające
Cele przedmiotu Lista przedmiotów do wyboru zostanie przedstawiona przed rozpoczęciem semestru.

Rozszerzenie wiedzy z zakresu metod i narzędzi sztucznej inteligencji, stanowiące pogłębienie zagadnień z przedmiotów wprowadzających. Przekazanie wiedzy na temat specjalistycznych zastosowań sztucznej inteligencji w wybranych obszarach technologicznych i biznesowych.
Ramowe treści programowe Zgodnie z kartą przedmiotu treści przedmiotu mogą dotyczyć w szczególności, m.in.: Architektury systemów ICT/AI o skali produkcyjnej. Metody monitorowania i zapewnienia bezpieczeństwa modeli uczenia maszynowego. Strategie zarządzania cyklem życia modeli ICT/AI. Zautomatyzowane potoki przetwarzania danych i trenowania modeli. Techniki wykrywania i przeciwdziałania atakom na modele AI. Optymalizacja wydajności i zużycia zasobów przez modele AI. Metody zapewnienia interpretowalności i transparentności modeli. Strategie wdrażania modeli w różnych środowiskach obliczeniowych, w tym przetwarzania brzegowego (edge computing). Rozproszone systemy ICT/AI i ich synchronizacja. Zarządzanie konfigurację i wersjami w środowiskach ICT/AI. Praktyki DevSecOps w kontekście systemów ICT i/lub opartych o AI.
Inne informacje o przedmiocie przedmiot ma związek z prowadzoną na Uczelni działalnością naukową
Wyliczenie: Nakład pracy studenta związany z: Godzin
ogółem
W tym
kontaktowych
W tym
praktycznych
udziałem w wykładach 26 26
udziałem w innych formach zajęć 30 30 30
indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć 4 4
przygotowaniem do zaliczenia wykładu 10
przygotowaniem do bieżących zajęć o charakterze praktycznym 20 20
wykonaniem projektu 35 35
Razem godzin: 125 60 85
Razem punktów ECTS: 5 2.4 3.4
Zakładane kierunkowe efekty uczenia się Wiedza Umiejętności Kompetencje
społeczne
DS1_W21 DS1_U12 (H1_U02) DS1_K05
DS1_U02
DS1_U21
Cele i treści ramowe sformułował(a) - Data: 29/05/2025
Realizacja w roku akademickim 2027/2028
 
Treści programowe
Wykład
1. zgodnie z kartą wybranego przedmiotu
Pracownia specjalistyczna
1. zgodnie z kartą wybranego przedmiotu
Metody dydaktyczne
(realizacja stacjonarna)
W wykład problemowy; wykład informacyjny; wykład z prezentacją multimedialną
Ps programowanie z użyciem komputera
Metody dydaktyczne
(realizacja zdalna)
W wykład problemowy; wykład informacyjny; wykład z prezentacją multimedialną
-
Forma zaliczenia
W zaliczenie pisemne z pytaniami testowymi i otwartymi
Ps ocena wybranych programów realizowanych na zajęciach
Warunki zaliczenia
W Uzyskanie min. 30% z każdego E, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów.
Kryteria oceny:
[ 0 – 50]% punktów – 2.0
(50 – 60]% punktów – 3.0
(60 – 70]% punktów – 3.5
(70 – 80]% punktów – 4.0
(80 – 90]% punktów – 4.5
(90 – 100]% punktów – 5.0
Ps Uzyskanie min. 30% z każdego E1-E2, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów.
Kryteria oceny:
[ 0 – 50]% punktów – 2.0
(50 – 60]% punktów – 3.0
(60 – 70]% punktów – 3.5
(70 – 80]% punktów – 4.0
(80 – 90]% punktów – 4.5
(90 – 100]% punktów – 5.0
Symbol efektu Zakładane efekty uczenia się Odniesienie do efektów uczenia się zdefiniowanych dla kierunku studiów
Wiedza Umiejętności Kompetencje
społeczne
Wiedza: student zna i rozumie
E1 najnowsze metody, narzędzia i technologie stosowane w inżynierii danych i sztucznej inteligencji, w tym platformy obliczeniowe wykorzystywane w procesach analitycznych
Umiejętności: student potrafi
E2 korzystać z metod, narzędzi oraz standardów i norm stosowanych w inżynierii danych i sztucznej inteligencji, uwzględniając aktualne trendy technologiczne
Kompetencje społeczne: student jest gotów do
E3 świadomego i odpowiedzialnego stosowania metod sztucznej inteligencji w analizie danych, uwzględniając aspekty etyczne oraz efektywność wdrażanych rozwiązań.
Symbol efektu Sposób weryfikacji efektu uczenia się Forma zajęć na której zachodzi weryfikacja
E1 zaliczenie pisemne W
E2 rozwiązywanie zadań problemowych Ps
E3 rozwiązywanie zadań problemowych Ps
Literatura podstawowa
1. Literatura zostanie podana przez prowadzącego po wyborze przedmiotu
. -
Literatura uzupełniająca
1. Literatura zostanie podana przez prowadzącego po wyborze przedmiotu
. -
Koordynator przedmiotu: - Data: 30/05/2025