| Wydział Informatyki | ||||||||||
| Kierunek studiów | Data Science | Poziom i forma studiów | pierwszego stopnia inżynierskie stacjonarne | |||||||
| Specjalność / Ścieżka dyplomowania | --- | Profil kształcenia | ogólnoakademicki | |||||||
| Nazwa przedmiotu | Przedmiot obieralny 3 | Kod przedmiotu | - | |||||||
| Rodzaj przedmiotu | obowiązkowy | |||||||||
| Forma zajęć i liczba godzin | W | Ć | L | P | Ps | T | S | Semestr | 5 | |
| 26 | 30 | Punkty ECTS | 5 | |||||||
| 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. |
|||||||||
| Treści programowe |
Rozszerzenie wiedzy z zakresu metod i narzędzi sztucznej inteligencji, stanowiące w szczególności pogłębienie zagadnień pojawiających się na wcześniejszych semestrach. Przedmiot traktuje o różnych obszarach zastosowań związanych z AI, w zależności od treści konkretnego przedmiotu. Zakres przedmiotu może dotyczyć zarówno m.in. omówienia zaawansowanych technik AI, analizy architektury modeli AI, ich możliwości i ograniczeń, cyberbezpieczeństwa, wykorzystania specjalistycznych narzędzi analitycznych, przeglądu technologii umożliwiających interpretację i wyjaśnialność modeli, jak i problematyki skalowania rozwiązań AI od eksperymentów laboratoryjnych do zastosowań na skalę przemysłową. |
|||||||||
| Metody dydaktyczne |
|
|||||||||
| Forma zaliczenia |
Wykład: zaliczenie pisemne z pytaniami testowymi i otwartymi |
|||||||||
| Symbol efektu uczenia się | Zakładane efekty uczenia się | Odniesienie do kierunkowych efektów uczenia się | ||||||||
| EU1 | najnowsze metody, narzędzia i technologie stosowane w inżynierii danych i sztucznej inteligencji, w tym platformy obliczeniowe wykorzystywane w procesach analitycznych |
DS1_W21 |
||||||||
| EU2 | korzystać z metod, narzędzi oraz standardów i norm stosowanych w inżynierii danych i sztucznej inteligencji, uwzględniając aktualne trendy technologiczne |
DS1_U02 DS1_U12 (H1_U02) DS1_U21 |
||||||||
| EU3 | świadomego i odpowiedzialnego stosowania metod sztucznej inteligencji w analizie danych, uwzględniając aspekty etyczne oraz efektywność wdrażanych rozwiązań. |
DS1_K05 |
||||||||
| Symbol efektu uczenia się | Sposób weryfikacji efektu uczenia się | Forma zajęć na której zachodzi weryfikacja | ||||||||
| EU1 | zaliczenie pisemne | W | ||||||||
| EU2 | rozwiązywanie zadań problemowych | Ps | ||||||||
| EU3 | rozwiązywanie zadań problemowych | Ps | ||||||||
| Bilans nakładu pracy studenta (w godzinach) | Liczba godz. | |||||||||
| Wyliczenie | ||||||||||
| 1 - udziałem w wykładach | 26 | |||||||||
| 2 - udziałem w innych formach zajęć | 30 | |||||||||
| 3 - indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć | 4 | |||||||||
| 4 - przygotowaniem do zaliczenia wykładu | 10 | |||||||||
| 5 - przygotowaniem do bieżących zajęć o charakterze praktycznym | 20 | |||||||||
| 6 - wykonaniem projektu | 35 | |||||||||
| RAZEM: | 125 | |||||||||
| Wskaźniki ilościowe | GODZINY | ECTS | ||||||||
| Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela | 60 (1)+(2)+(3) |
2.4 | ||||||||
| Nakład pracy studenta związany z zajęciami o charakterze praktycznym | 85 (2)+(5)+(6) |
3.4 | ||||||||
| Literatura podstawowa |
Literatura zostanie podana przez prowadzącego po wyborze przedmiotu |
|||||||||
| Literatura uzupełniająca |
Literatura zostanie podana przez prowadzącego po wyborze przedmiotu |
|||||||||
| Jednostka realizująca | Wydział Informatyki | Data opracowania programu | ||||||||
| Program opracował(a) | 2025.05.30 | |||||||||