Zastosowanie data science i sztucznej inteligencji w kontekstach dziedzinowych
Kierunek studiów: Data Science i sztuczna inteligencja
Kod programu: W4-S1DS25.2025

Nazwa modułu: | Zastosowanie data science i sztucznej inteligencji w kontekstach dziedzinowych |
---|---|
Kod modułu: | W4_DSAI_S1_ZDSSIKD |
Kod programu: | W4-S1DS25.2025 |
Semestr: |
|
Język wykładowy: | w zależności od wyboru |
Forma zaliczenia: | zaliczenie |
Punkty ECTS: | 7 |
Cel i opis treści kształcenia: | Moduł kształtuje umiejętność zastosowania Data Science i sztucznej inteligencji do rozwiązywania rzeczywistych problemów wywodzących się z różnych dyscyplin naukowych. Każdy zespół studencki otrzymuje od prowadzących inny, unikalny problem interdyscyplinarny, wymagający zapoznania się z wiedzą dziedzinową oraz przełożenia jej na język danych i modeli AI. Problemy mogą pochodzić m.in. z takich obszarów jak: matematyka, fizyka, chemia, informatyka, inżynieria materiałowa, inżynieria biomedyczna – co pozwala studentom doświadczyć pracy w nowym, nieznanym kontekście. Każda grupa współpracuje z ekspertem dziedzinowym, który prowadzi dedykowany wykład oraz warsztat, wprowadzając studentów w kontekst problemu. Następnie studenci realizują projekt pod opieką mentora. Efektem jest rozwiązanie problemu oraz jego prezentacja. Moduł realizowany jest jako niezależny komponent programu studiów w dwóch różnych semestrach. W każdym semestrze studenci pracują nad projektem z innej dyscypliny, co umożliwia rozwój umiejętności adaptacji wiedzy technicznej do różnych kontekstów dziedzinowych oraz porównywanie strategii rozwiązywania problemów. Studenci uczą się także szacowania kosztów technicznych i organizacyjnych związanych z realizacją i potencjalnym wdrożeniem zaproponowanego rozwiązania. Praca nad zróżnicowanymi problemami umożliwia pogłębione osiągnięcie efektów uczenia się w zakresie zastosowań Data Science i AI. |
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] |
---|---|
Jest świadomy etycznych, społecznych i prawnych konsekwencji stosowania rozwiązań opartych na analizie danych i sztucznej inteligencji. [ZDSSIKD_K01] |
DSAI_1S_K03 [3/5] |
Jest gotów współpracować z ekspertami dziedzinowymi, wykorzystując ich wiedzę specjalistyczną do właściwej interpretacji wyników uzyskanych za pomocą metod analizy danych i sztucznej inteligencji w kontekście realizowanego problemu lub projektu. [ZDSSIKD_K02] |
DSAI_1S_K01 [3/5] |
Potrafi dobrać i krytycznie ocenić źródła wiedzy z dziedziny, w której osadzony jest realizowany projekt, dokonać analizy i syntezy pozyskanych informacji oraz zastosować je do rozwiązania problemu inżynierskiego. [ZDSSIKD_U01] |
DSAI_1S_U06 [3/5] |
Potrafi dobrać, zaimplementować i dostosować metody i narzędzia data science oraz sztucznej inteligencji do rozwiązania problemu inżynierskiego. [ZDSSIKD_U02] |
DSAI_1S_U05 [4/5] |
Działa odpowiedzialnie w zespole projektowym, respektując podział ról, harmonogramy i zobowiązania projektowe. [ZDSSIKD_U03] |
DSAI_1S_U09 [3/5] |
Potrafi formułować wypowiedzi ustne i pisemne, wykorzystując właściwą terminologię specjalistyczną oraz dostosowując przekaz do kontekstu projektowego i grupy odbiorców. [ZDSSIKD_U04] |
DSAI_1S_U07 [3/5] |
Potrafi oszacować koszty związane z realizacją oraz potencjalnym wdrożeniem zaprojektowanego rozwiązania. [ZDSSIKD_U05] |
DSAI_1S_U02_inż [3/5] |
Zna pojęcia, procesy i zależności charakterystyczne dla dziedziny nauki lub techniki, w której osadzony jest realizowany projekt. [ZDSSIKD_W01] |
DSAI_1S_W05 [4/5] |
Rozumie znaczenie wiedzy dziedzinowej w rozwiązywaniu problemów z wykorzystaniem metod analizy danych i sztucznej inteligencji. [ZDSSIKD_W02] |
DSAI_1S_W05 [4/5] |
Rozumie ograniczenia danych i kontekstu dziedzinowego w projektowaniu rozwiązań technicznych. [ZDSSIKD_W03] |
DSAI_1S_W05 [4/5] |
Forma prowadzonych zajęć | Liczba godzin | Metody prowadzenia zajęć | Sposób weryfikacji efektów uczenia się | Efekty uczenia się |
---|---|---|---|---|
wykład [fs01] | 15 |
Wykład informacyjny/kursowy [a01] Wykład problemowy [b01] Metody aktywizujące: dyskusja/debata [b04] |
zaliczenie |
ZDSSIKD_W01 |
laboratorium [fs02] | 30 |
Objaśnienie/wyjaśnienie [a05] Metody aktywizujące: dyskusja/debata [b04] Metody aktywizujące: studium przypadku [b07] Metody aktywizujące: peer learning [b08] Pokaz/demonstracja [c06] Prezentacja [c07] Praca z komputerem [d01] Praca z podręcznikiem programowym [d02] Ćwiczenie laboratoryjne/doświadczenie [e01] Autoedukacja [f01] |
zaliczenie |
ZDSSIKD_K02 |
laboratorium [fs03] | 60 |
Objaśnienie/wyjaśnienie [a05] Metody aktywizujące: dyskusja/debata [b04] Metody aktywizujące: studium przypadku [b07] Metody aktywizujące: peer learning [b08] Pokaz/demonstracja [c06] Prezentacja [c07] Praca z komputerem [d01] Praca z podręcznikiem programowym [d02] Ćwiczenie laboratoryjne/doświadczenie [e01] Autoedukacja [f01] Indywidualna praca z tekstem [f02] |
zaliczenie |
ZDSSIKD_K02 |
seminarium [fs04] | 15 |
Metody aktywizujące: dyskusja/debata [b04] Metody aktywizujące; seminarium/proseminarium [b05] Prezentacja [c07] |
zaliczenie |
ZDSSIKD_K01 |
Praca studenta poza udziałem w zajęciach obejmuje w szczególności: | ||
---|---|---|
Nazwa | Kategoria | Opis |
Kwerenda materiałów i przegląd działań niezbędnych do uczestnictwa w zajęciach [a01] | Przygotowanie do zajęć | przegląd literatury, dokumentacji, narzędzi i materiałów oraz specyfiki i zakresu działań wskazanych w sylabusie jako wymagane do pełnego uczestnictwa w zajęciach |
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) |
Wytworzenie/przygotowanie narzędzi, materiałów, dokumentacji niezbędnych do uczestnictwa w zajęciach [a05] | Przygotowanie do zajęć | opracowanie, przygotowanie i weryfikacja przydatności narzędzi oraz materiałów (np. pomocy, scenariuszy, narzędzi badawczych, aparatury, itd.) do wykorzystania w ramach zajęć lub służących przygotowaniu się do nich |
Zapoznanie się z zapisami sylabusa [b01] | Konsultowanie programu i organizacji zajęć | przeglądanie zawartości sylabusa i zapoznanie się z treścią jego zapisów |
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) |
Sylabusy (USOSweb) | ||
---|---|---|
Semestr | Moduł | Język wykładowy |
(brak danych) |