Deep Learning Field of study: Data Science and Artificial Intelligence
Programme code: W4-S1DS25.2025

Module name: Deep Learning
Module code: W4_DSAI_S1_UG
Programme code: W4-S1DS25.2025
Semester: summer semester 2026/2027
Language of instruction: Polish
Form of verification: course work
ECTS credits: 4
Purpose and description of the content of education:
Celem modułu jest zapoznanie studentów z wybranymi metodami budowy i trenowania głębokich sieci neuronowych, ze szczególnym uwzględnieniem nowoczesnych architektur i ich zastosowań w analizie danych. Omawiane są zarówno podstawowe mechanizmy działania sieci, techniki regularyzacji i optymalizacji, jak i zaawansowane architektury, takie jak konwolucyjne sieci neuronowe oraz transformatory stosowane w przetwarzaniu języka naturalnego. Studenci nauczą się projektować, trenować i optymalizować modele głębokiego uczenia z wykorzystaniem popularnych platform programistycznych tzw. frameworków oraz rozwiązywać rzeczywiste problemy związane z analizą obrazu, tekstu i podejmowaniem decyzji.
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]
Jest gotów do krytycznej oceny opracowanych modeli głębokiego uczenia, w tym uwzględniania ograniczeń modeli i ryzyka ich niewłaściwego zastosowania. [K01]
 DSAI_1S_K02 [3/5] DSAI_1S_K03 [3/5]
Potrafi efektywnie współpracować w zespole nad wspólnym projektem wykorzystującym techniki uczenia głębokiego, przyjmując różne role i dzieląc się wiedzą. [K02]
 DSAI_1S_U09 [3/5] DSAI_1S_K03 [3/5]
Ma świadomość etycznych konsekwencji zastosowania technologii uczenia głębokiego i przestrzega zasad odpowiedzialnego wykorzystywania sztucznej inteligencji. [K03]
 DSAI_1S_K03 [3/5]
Potrafi zaprojektować, zaimplementować i wytrenować głęboką sieć neuronową do rozwiązania zadania klasyfikacji, regresji lub generowania danych z użyciem dostępnych platform programistycznych. [U01]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Potrafi dobrać odpowiednie architektury sieci neuronowych oraz techniki regularyzacji i optymalizacji w zależności od specyfiki problemu i charakterystyki danych. [U02]
 DSAI_1S_U04 [3/5] DSAI_1S_U01_inż [3/5]
Umie samodzielnie aktualizować i poszerzać swoją wiedzę w zakresie uczenia głębokiego, analizując literaturę naukową i dokumentację narzędzi programistycznych. [U03]
 DSAI_1S_U06 [3/5] DSAI_1S_U10 [3/5]
Ma uporządkowaną, podbudowaną teoretycznie wiedzę na temat budowy, działania i sposobów trenowania głębokich sieci neuronowych, w tym konwolucyjnych sieci neuronowych, modeli transformatorowych oraz modeli generatywnych. [W01]
 DSAI_1S_W04 [3/5] DSAI_1S_W02_inż [3/5]
Zna zaawansowane metody optymalizacji i regularyzacji stosowane w uczeniu głębokim oraz potrafi wyjaśnić ich wpływ na proces uczenia i generalizację modelu. [W02]
 DSAI_1S_W04 [3/5]
Rozumie znaczenie oraz ograniczenia różnych paradygmatów uczenia maszynowego, w tym uczenia nadzorowanego, nienadzorowanego i przez wzmacnianie, w kontekście rozwiązywania rzeczywistych problemów. [W03]
 DSAI_1S_W04 [3/5]
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
Search for materials and review activities necessary for class participation [a01] Preparation for classes
reviewing literature, documentation, tools and materials as well as the specifics of the syllabus and the range of activities indicated in it as required for full participation in classes
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
Developing practical skills [a03] Preparation for classes
activities involving the repetition, refinement and consolidation of practical skills, including those developed during previous classes or new skills necessary for the implementation of subsequent elements of the curriculum (as preparation for class participation)
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)