Recommender Systems and Reasoning Under Uncertainty Field of study: Data Science and Artificial Intelligence
Programme code: W4-S1DS25.2025

Module name: Recommender Systems and Reasoning Under Uncertainty
Module code: W4_DSAI_S1_SRWWN
Programme code: W4-S1DS25.2025
Semester: winter semester 2026/2027
Language of instruction: Polish
Form of verification: course work
ECTS credits: 3
Purpose and description of the content of education:
Celem modułu jest zapoznanie studentów z wybranymi metodami reprezentacji i przetwarzania niepewnej informacji w systemach inteligentnych, ze szczególnym uwzględnieniem zastosowań w systemach rekomendacyjnych. Studenci nauczą się wykorzystywać podejścia oparte na zbiorach przybliżonych i zbiorach rozmytych do modelowania niepewności oraz projektować i implementować podstawowe wersje systemów rekomendacyjnych z uwzględnieniem aspektów niepewności danych oraz preferencji użytkowników.
List of modules that must be completed before starting this module (if necessary): not applicable
Learning outcome of the module Codes of the learning outcomes of the programme to which the learning outcome of the module is related [level of competence: scale 1-5]
Potrafi odpowiedzialnie planować pracę nad realizacją projektu zespołowego, w którym tworzy i testuje system rekomendacyjny lub jego komponenty, uwzględniając aspekty etyczne i społeczne zastosowań AI. [K01]
 DSAI_1S_K03 [3/5]
Ma świadomość konieczności ciągłego aktualizowania wiedzy i rozwijania umiejętności w obszarze dynamicznie zmieniających się technologii analizy danych i sztucznej inteligencji. [K02]
 DSAI_1S_U10 [3/5] DSAI_1S_K01 [3/5]
Potrafi komunikować się ze specjalistami i niespecjalistami w zakresie projektowanych rozwiązań rekomendacyjnych i zagadnień związanych z niepewnością danych. [K03]
 DSAI_1S_U08 [3/5] DSAI_1S_K02 [3/5]
Potrafi zastosować metody analizy danych z wykorzystaniem teorii zbiorów przybliżonych i rozmytych do rozwiązania praktycznych problemów rekomendacyjnych. [U01]
 DSAI_1S_U03 [3/5] DSAI_1S_U04 [3/5]
Umie zaprojektować i zaimplementować prosty system rekomendacyjny z wykorzystaniem dostępnych bibliotek i narzędzi programistycznych. [U02]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Potrafi dobrać i zastosować odpowiednie metody oceny skuteczności rekomendacji oraz interpretować wyniki pod kątem skuteczności i wiarygodności systemu. [U03]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Ma uporządkowaną wiedzę w zakresie systemów rekomendacyjnych i technik modelowania niepewności, w tym teorii zbiorów przybliżonych i rozmytych, umożliwiającą rozwiązywanie typowych problemów inżynierskich związanych z analizą danych i personalizacją treści. [W01]
 DSAI_1S_W04 [3/5] DSAI_1S_W05 [3/5]
Zna zasady i narzędzia stosowane do implementacji systemów rekomendacyjnych, w tym modele filtracji kolaboracyjnej, metody hybrydowe oraz metody uwzględniające niepewność danych. [W02]
 DSAI_1S_W04 [3/5]
Rozumie ograniczenia i problemy związane z niepewnością w danych oraz zna sposoby ich reprezentacji i przetwarzania w inteligentnych systemach wspomagania decyzji. [W03]
 DSAI_1S_W03 [3/5] DSAI_1S_W04 [4/5]
Form of teaching Number of hours Methods of conducting classes Assessment of the learning outcomes Learning outcomes
laboratory classes [fs01] 45 Explanation/clarification [a05] 
Activating method – discussion / debate [b04] 
Activating methods: a case study [b07] 
Activating method – peer learning [b08] 
Demonstration-imitation [c06] 
Screen presentation [c07] 
Working with a computer [d01] 
Working with a programmed textbook [d02] 
Laboratory exercise / experiment [e01] 
Self-education [f01]  		course work K01 K02 K03 U01 U02 U03 W01 W02 W03
The student's work, apart from participation in classes, includes in particular:
Name Category Description
Literature reading / analysis of source materials [a02] Preparation for classes
reading the literature indicated in the syllabus; reviewing, organizing, analyzing and selecting source materials to be used in class
Getting acquainted with the syllabus content [b01] Consulting the curriculum and the organization of classes
reading through the syllabus and getting acquainted with its content
Studying the literature used in and the materials produced in class [c02] Preparation for verification of learning outcomes
exploring the studied content, inquiring, considering, assimilating, interpreting it, or organizing knowledge obtained from the literature, documentation, instructions, scenarios, etc., used in class as well as from the notes or other materials/artifacts made in class
Analysis of the corrective feedback provided by the academic teacher on the results of the verification of learning outcomes [d01] Consulting the results of the verification of learning outcomes
reading through the academic teacher’s comments, assessments and opinions on the implementation of the task aimed at checking the level of the achieved learning outcomes
Development of a corrective action plan as well as supplementary/corrective tasks [d02] Consulting the results of the verification of learning outcomes
reviewing and selecting tasks and activities enabling the elimination of errors indicated by the academic teacher, their verification or correction resulting in completing the task with at least the minimum passing grade
Attachments
Module description (PDF)
Information concerning module syllabuses might be changed during studies.
Syllabuses (USOSweb)
Semester Module Language of instruction
(no information given)