Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Data Science							Poziom i forma studiów	pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania	---							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Język obcy 1							Kod przedmiotu	-
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	2
		30						Punkty ECTS	2
Przedmioty wprowadzające
Cele przedmiotu	Dostępne języki: angielski, niemiecki, rosyjski Doskonalenie sprawności językowych (słuchanie, czytanie, interakcja, produkcja, pisanie) na poziomie B2 lub wyższym, zgodnie z Europejskim Systemem Opisu Kształcenia Językowego. Rozwijanie umiejętności komunikacji w kontekście nauk technicznych, ze szczególnym uwzględnieniem terminologii związanej ze sztuczną inteligencją, inżynierią danych i analityką. Pobudzanie ciekawości dotyczącej fundamentalnych dylematów współczesnej cywilizacji, w tym etyki i wpływu AI na społeczeństwo oraz różne sektory gospodarki. Zapoznanie z podstawowym słownictwem z zakresu nauk matematycznych, technicznych i technologii AI. Ćwiczenie umiejętności autoprezentacji, w tym prezentowania zagadnień związanych ze sztuczną inteligencją w sposób klarowny i precyzyjny.
Treści programowe	Dyskusje i ćwiczenia związane z życiem akademickim, aktualnymi problemami społecznymi oraz dylematami współczesnej cywilizacji, w tym roli sztucznej inteligencji w różnych aspektach życia. Zagadnienia językowe oraz gramatyczne występujące w omawianych tekstach, w tym analiza artykułów naukowych i technicznych dotyczących AI. Podstawowe słownictwo z zakresu nauk matematycznych, technicznych oraz technologii AI, obejmujące terminy związane z uczeniem maszynowym, przetwarzaniem danych i automatyzacją. Autoprezentacja w mowie i piśmie, z uwzględnieniem przedstawiania projektów i koncepcji związanych ze sztuczną inteligencją. Ćwiczenia: 1. Omówienie karty przedmiotu oraz zasad oceniania i warunków uzyskania zaliczenia 2. Odkrycia naukowe i wynalazki technologiczne w dziedzinie sztucznej inteligencji. Ćwiczenia z zastosowaniem czasów Past Simple i Past Continuous 3. Tworzenie i zastosowanie pytań w prowadzeniu rozmowy na temat rozwoju AI 4. Praca z tekstem nt. wykorzystania AI w przetwarzaniu danych 5. Ćwiczenia leksykalne na podstawie tekstu. Łączenie informacji w zdaniach z użyciem imiesłowu biernego 6. Uczenie maszynowe w analizie obrazów – podstawowe koncepcje 7. Ćwiczenia w mówieniu: opis działania systemu AI 8. Test zaliczeniowy pisemny 1 9. Zastosowanie sztucznej inteligencji w eksploracji kosmosu. Ćwiczenia w zastosowaniu strony biernej 10. Ćwiczenia w opisywaniu funkcji systemu AI 11. Specyfikacje systemów sztucznej inteligencji. Zastosowanie czasowników modalnych 12. Właściwości danych wykorzystywanych w uczeniu maszynowym 13. Powtórzenie materiału przed testem zaliczeniowym 14. Test zaliczeniowy pisemny 2 15. Zaliczenie ustne: autoprezentacje na temat sztucznej inteligencji w różnych dziedzinach
Metody dydaktyczne	metoda projektów, ćwiczenia przedmiotowe, analiza tekstów z dyskusją,
Forma zaliczenia	Ćwiczenia: test językowy, wypowiedź ustna
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	zrozumieć wypowiedzi ustne pod warunkiem, że dotyczą w miarę znanej tematyki, również te zawierające podstawową terminologię z zakresu nauk matematycznych i technicznych								DS1_U14
EU2	zrozumieć teksty dotyczące różnych zagadnień współczesnego świata, również te zawierające podstawową terminologię z zakresu nauk matematycznych i technicznych								DS1_U14
EU3	brać czynny udział w dyskusji na znane mu tematy								DS1_U13(H1_U01) DS1_U14
EU4	prezentować w formie ustnej i pisemnej swoją sylwetkę studenta, uczelnię oraz kierunek, na którym studiuje								DS1_U13(H1_U01) DS1_U14
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie ustne, zaliczenie testowe								Ć
EU2	zaliczenie testowe								Ć
EU3	zaliczenie ustne								Ć
EU4	zaliczenie testowe, przygotowanie i wygłoszenie autoprezentacji								Ć
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - udziałem w innych formach zajęć								30
	2 - indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć								4
	3 - przygotowaniem do bieżących zajęć								16
RAZEM:									50
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									34 (1)+(2)	1.4
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									50 (1)+(2)+(3)	2.0
Literatura podstawowa	Literatura zostanie podana przez prowadzącego po wyborze języka obcego
Literatura uzupełniająca	Literatura zostanie podana przez prowadzącego po wyborze języka obcego
Jednostka realizująca	Studium Języków Obcych								Data opracowania programu
Program opracował(a)									2025.05.30