Metody sztucznej inteligencji Kierunek studiów: Informatyka stosowana
Kod programu: W4-S1IS19.2023

Nazwa modułu: Metody sztucznej inteligencji
Kod modułu: W4-IS-S1-MSI
Kod programu: W4-S1IS19.2023
Semestr:
  • semestr letni 2025/2026
  • semestr letni 2024/2025
Język wykładowy: polski
Forma zaliczenia: egzamin
Punkty ECTS: 5
Cel i opis treści kształcenia:
Celem modułu jest zdobycie przez studiującego wiedzy i umiejętności w zakresie następujących treści programowych: 1. Historia rozwoju dziedziny sztucznej inteligencji, obejmująca ilustrowane przykładami pojęcia takie jak systemy ekspertowe, baza wiedzy, wnioskowanie, strategie przeszukiwania heurystycznego, min-max, uczenie i głębokie uczenie. 2. Uczenie maszynowe, podział na uczenie z nadzorowane i nienadzorowane i uczenie ze wzmocnieniem. Pojęcie funkcji błędu, problem generalizacji, rola zbioru trenującego, testowego. Zagadnienie regresji i klasyfikacji. Dane jako punkt w wielowymiarowej przestrzeni liniowej. Przestrzeń parametrów. 3. Klasyczne metody uczenia nadzorowanego: k-NN, klasyfikator Bayesa, minimalno-odległościowy. 4. Uczenie nienadzorowane: analizy skupień (grupowanie):, aglomeracyjny algorytm grupowania hierarchicznego, wybrane klasyczne algorytmy z optymalizacją funkcji kryterialnej (np. k-means i DBSCAN). 5. Maszyny wektorów podpierających (SVM), przestrzeń prosta i dualna na przykładzie perceptronu. 6. Sztuczne sieci neuronowe. Model sztucznego neuronu, funkcje aktywacji. Metody uczenia perceptronu wielowarstwowego, algorytm wstecznej propagacji błędu. Rodzaje sieci neuronowych, uczenie głębokie, przykłady współczesnych zastosowań uczenia głębokiego. 7. Narzędzia stosowane w pracy z danymi na przykładzie środowiska opartego o język Python, bibliotekę numpy ze szczególnym uwzględnieniem operacji na tensorach. Wprowadzenie do frameworków umożliwiających automatyczne różniczkowanie (np. keras/tensorflow, pytorch).
Lista modułów koniecznych do zaliczenia przed przystąpieniem do tego modułu (o ile to konieczne): nie dotyczy
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
zna i rozumie metody sztucznej inteligencji i uczenia maszynowego [IS-S1-MSI_1]
 IS1_W05 [5/5]
posiada umiejętność identyfikacji problemów, do których można zastosować metody sztucznej inteligencji; zna ograniczenia i możliwości takiego podejścia [IS-S1-MSI_2]
 IS1_W05 [3/5] IS1_U05 [3/5]
potrafi rozwiązać problem klasyfikacji lub regresji wybraną przez siebie metodą, potrafi przeprowadzić analizę wyników działania algorytmów uczenia [IS-S1-MSI_3]
 IS1_W05 [2/5] IS1_U05 [2/5]
Forma prowadzonych zajęć Liczba godzin Metody prowadzenia zajęć Sposób weryfikacji efektów uczenia się Efekty uczenia się
wykład [IS-S1-MSI_fs_1] 30 Wykład informacyjny/kursowy [a01] 
Wykład problemowy [b01] 
Wykład konwersatoryjny [b02] 
Prezentacja [c07] 
Autoedukacja [f01] 
Indywidualna praca z tekstem [f02]  		egzamin IS-S1-MSI_1 IS-S1-MSI_2 IS-S1-MSI_3
laboratorium [IS-S1-MSI_fs_2] 30 Metody aktywizujące: flipped classroom [b09] 
Praca z komputerem [d01] 
Ćwiczenie laboratoryjne/doświadczenie [e01] 
Autoedukacja [f01] 
Indywidualna praca z tekstem [f02]  		zaliczenie IS-S1-MSI_1 IS-S1-MSI_2 IS-S1-MSI_3
Praca studenta poza udziałem w zajęciach obejmuje w szczególności:
Nazwa Kategoria Opis
Czytanie literatury / analiza materiałów źródłowych [a02] Przygotowanie do zajęć
czytanie literatury wskazanej w sylabusie; przegląd, porządkowanie, analiza i wybór materiałów źródłowych do wykorzystania w ramach zajęć
Ćwiczenie praktycznych umiejętności [a03] Przygotowanie do zajęć
czynności polegające na powtarzaniu, doskonaleniu i utrwalaniu praktycznych umiejętności, w tym ćwiczonych podczas odbytych wcześniej zajęć lub nowych, niezbędnych z punktu widzenia realizacji kolejnych elementów programu (jako przygotowanie się uczestnictwa w zajęciach)
Konsultowanie materiałów uzupełniających [względem wskazanych w sylabusie] [a04] Przygotowanie do zajęć
uzgadnianie dodatkowych do wskazanych w sylabusie materiałów, służących realizacji zadań wynikających z uczestnictwa w zajęciach lub na potrzeby przygotowania się do nich
Ustalanie etapów realizacji zadań przyczyniających się do weryfikacji efektów uczenia się [c01] Przygotowanie do weryfikacji efektów uczenia się
przygotowanie strategii realizacji zadania uwzględniającej podział treści, czynności i ich zakres, czas realizacji oraz/lub sposób pozyskania niezbędnych do jego wykonania materiałów i narzędzi, itp.
Studiowanie wykorzystanej literatury oraz wytworzonych w ramach zajęć materiałów [c02] Przygotowanie do weryfikacji efektów uczenia się
wgłębianie się, dociekanie, rozważanie, przyswajanie, interpretacja lub porządkowanie wiedzy pochodzącej z literatury, dokumentacji, instrukcji, scenariuszy, itd., wykorzystanych na zajęciach oraz z notatek lub innych materiałów/wytworów sporządzonych w ich trakcie
Realizacja indywidualnego lub grupowego zadania zaliczeniowego/egz./etapowego [c03] Przygotowanie do weryfikacji efektów uczenia się
zbiór czynności zmierzających do wykonania zadania zleconego do realizacji poza zajęciami, jako obligatoryjnego etapu/elementu weryfikacji przypisanych do tych zajęć efektów uczenia się
Analiza korekt/informacji zwrotnej ze strony NA dotyczących wyników wer. ef. ucz. [d01] Konsultowanie wyników weryfikacji efektów uczenia się
przegląd uwag, ocen i opinii sporządzonych przez NA odnoszących się do realizacji zadania sprawdzającego poziom osiągniętych efektów uczenia się
Opracowanie planu korekty i zadań uzupełniających/korygujących [d02] Konsultowanie wyników weryfikacji efektów uczenia się
przegląd i wybór zadań oraz czynności pozwalających na eliminację wskazanych przez NA błędów, ich weryfikację lub poprawę oraz zaliczenie zadania na, co najmniej, najniższym dopuszczalnym poziomie
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)