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

Module name: Unsupervised and Reinforcement Learning
Module code: W4_DSAI_S1_UNUW
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 nienadzorowanego stosowanymi w analizie danych a także metodami uczenia ze wzmocnieniem. Studenci nauczą się dobierać odpowiednie algorytmy do zadania, które model ma realizować biorąc pod uwagę także charakter danych wejściowych. W ramach omawianych technik uczenia nadzorowanego omówione będą m.in. algorytmy grupowania, mapy samoorganizujące się, reguły asocjacyjne, wykrywanie anomalii. W ramach uczenia ze wzmocnieniem omawiane będą m.in. technika Monte Carlo.
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 rozwiązywania problemów zawodowych z zakresu uczenia maszynowego w sposób odpowiedzialny, uwzględniając aspekty etyczne i społeczne. [K01]
 DSAI_1S_K03 [3/5]
Ma świadomość poziomu swojej wiedzy i umiejętności, rozumie potrzebę ich ciągłego doskonalenia w kontekście dynamicznego rozwoju technologii. [K02]
 DSAI_1S_U10 [3/5] DSAI_1S_K01 [3/5]
Potrafi współdziałać nad projektami wymagającymi wykorzystania metod uczenia maszynowego, także przyjmując wiodącą rolę. [K03]
 DSAI_1S_U09 [3/5] DSAI_1S_K03 [3/5]
Potrafi samodzielnie dobierać i implementować algorytmy uczenia nienadzorowanego do konkretnych problemów analizy danych. [U01]
 DSAI_1S_U04 [3/5]
Potrafi projektować i wdrażać rozwiązania z wykorzystaniem metod uczenia ze wzmocnieniem, analizując ich efektywność i poprawność. [U02]
 DSAI_1S_U04 [3/5]
Posiada umiejętność krytycznej analizy literatury i wyników badań dotyczących uczenia nienadzorowanego i ze wzmocnieniem. [U03]
 DSAI_1S_U06 [3/5]
Ma uporządkowaną, zaawansowaną wiedzę w zakresie podstawowych algorytmów uczenia nienadzorowanego oraz ich zastosowania w analizie danych. [W01]
 DSAI_1S_W04 [3/5]
Zna i rozumie teoretyczne podstawy oraz zastosowania metod uczenia ze wzmocnieniem, w tym modelowania procesów decyzyjnych. [W02]
 DSAI_1S_W04 [3/5]
Zna aktualne trendy i kierunki rozwoju w obszarze uczenia maszynowego, ze szczególnym uwzględnieniem uczenia bez nadzoru i ze wzmocnieniem. [W03]
 DSAI_1S_W04 [3/5] DSAI_1S_W06 [3/5] DSAI_1S_W07 [3/5]
Form of teaching Number of hours Methods of conducting classes Assessment of the learning outcomes Learning outcomes
laboratory classes [fs02] 45 Explanation/clarification [a05] 
Problem-based lecture [b01] 
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
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)