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

Module name: Supervised Learning
Module code: W4_DSAI_S1_UczN
Programme code: W4-S1DS25.2025
Semester: winter 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 metodami uczenia nadzorowanego stosowanymi w analizie danych oraz w projektowaniu inteligentnych systemów. Studenci nauczą się dobierać odpowiednie algorytmy do różnych typów problemów klasyfikacyjnych i regresyjnych, trenować modele, oceniać ich skuteczność oraz interpretować wyniki.
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 pracować w zespole projektowym, dzieląc się zadaniami w zakresie przygotowania danych, implementacji modeli oraz analizy wyników, z poszanowaniem wkładu innych członków zespołu. [K01]
 DSAI_1S_U09 [3/5] DSAI_1S_K03 [3/5]
Ma świadomość potrzeby ciągłego aktualizowania wiedzy z zakresu metod uczenia maszynowego i zna źródła umożliwiające dalszy rozwój zawodowy i naukowy w tej dziedzinie. [K02]
 DSAI_1S_U06 [3/5] DSAI_1S_U10 [3/5] DSAI_1S_K01 [3/5]
Potrafi w przejrzysty sposób prezentować wyniki analizy i działania modelu uczenia maszynowego zarówno dla specjalistów, jak i odbiorców bez przygotowania technicznego. [K03]
 DSAI_1S_K02 [3/5] DSAI_1S_K03 [3/5]
Potrafi dobrać odpowiedni algorytm uczenia nadzorowanego do konkretnego problemu analitycznego, uzasadniając wybór oraz analizując ograniczenia danego podejścia. [U01]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Umie przeprowadzić kompletny eksperyment analityczny, obejmujący przygotowanie danych, trening modelu, ocenę skuteczności i interpretację wyników przy użyciu nowoczesnych narzędzi programistycznych. [U02]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Potrafi krytycznie ocenić efektywność różnych metod klasyfikacji i regresji w zależności od charakteru danych oraz celu analizy. [U03]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Zna i rozumie klasyczne oraz nowoczesne algorytmy uczenia nadzorowanego, w tym algorytmy klasyfikacji i regresji, a także ich zastosowanie w analizie danych. [W01]
 DSAI_1S_W04 [3/5]
Ma uporządkowaną wiedzę na temat procesu budowy modelu predykcyjnego, w tym przygotowania danych, doboru cech, trenowania, walidacji i testowania modeli. [W02]
 DSAI_1S_W04 [3/5] DSAI_1S_W02_inż [3/5]
Zna metody oceny jakości modeli predykcyjnych oraz potrafi interpretować ich wyniki w kontekście zastosowania praktycznego i naukowego. [W03]
 DSAI_1S_W04 [3/5] DSAI_1S_W02_inż [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
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)
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)