Systemy rekomendacyjne i wnioskowanie w warunkach niepewności Kierunek studiów: Data Science i sztuczna inteligencja
Kod programu: W4-S1DS25.2025

Nazwa modułu: Systemy rekomendacyjne i wnioskowanie w warunkach niepewności
Kod modułu: W4_DSAI_S1_SRWWN
Kod programu: W4-S1DS25.2025
Semestr: semestr zimowy 2026/2027
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 3
Cel i opis treści kształcenia:
Celem modułu jest zapoznanie studentów z wybranymi metodami reprezentacji i przetwarzania niepewnej informacji w systemach inteligentnych, ze szczególnym uwzględnieniem zastosowań w systemach rekomendacyjnych. Studenci nauczą się wykorzystywać podejścia oparte na zbiorach przybliżonych i zbiorach rozmytych do modelowania niepewności oraz projektować i implementować podstawowe wersje systemów rekomendacyjnych z uwzględnieniem aspektów niepewności danych oraz preferencji użytkowników.
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]
Potrafi odpowiedzialnie planować pracę nad realizacją projektu zespołowego, w którym tworzy i testuje system rekomendacyjny lub jego komponenty, uwzględniając aspekty etyczne i społeczne zastosowań AI. [K01]
 DSAI_1S_K03 [3/5]
Ma świadomość konieczności ciągłego aktualizowania wiedzy i rozwijania umiejętności w obszarze dynamicznie zmieniających się technologii analizy danych i sztucznej inteligencji. [K02]
 DSAI_1S_U10 [3/5] DSAI_1S_K01 [3/5]
Potrafi komunikować się ze specjalistami i niespecjalistami w zakresie projektowanych rozwiązań rekomendacyjnych i zagadnień związanych z niepewnością danych. [K03]
 DSAI_1S_U08 [3/5] DSAI_1S_K02 [3/5]
Potrafi zastosować metody analizy danych z wykorzystaniem teorii zbiorów przybliżonych i rozmytych do rozwiązania praktycznych problemów rekomendacyjnych. [U01]
 DSAI_1S_U03 [3/5] DSAI_1S_U04 [3/5]
Umie zaprojektować i zaimplementować prosty system rekomendacyjny z wykorzystaniem dostępnych bibliotek i narzędzi programistycznych. [U02]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Potrafi dobrać i zastosować odpowiednie metody oceny skuteczności rekomendacji oraz interpretować wyniki pod kątem skuteczności i wiarygodności systemu. [U03]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Ma uporządkowaną wiedzę w zakresie systemów rekomendacyjnych i technik modelowania niepewności, w tym teorii zbiorów przybliżonych i rozmytych, umożliwiającą rozwiązywanie typowych problemów inżynierskich związanych z analizą danych i personalizacją treści. [W01]
 DSAI_1S_W04 [3/5] DSAI_1S_W05 [3/5]
Zna zasady i narzędzia stosowane do implementacji systemów rekomendacyjnych, w tym modele filtracji kolaboracyjnej, metody hybrydowe oraz metody uwzględniające niepewność danych. [W02]
 DSAI_1S_W04 [3/5]
Rozumie ograniczenia i problemy związane z niepewnością w danych oraz zna sposoby ich reprezentacji i przetwarzania w inteligentnych systemach wspomagania decyzji. [W03]
 DSAI_1S_W03 [3/5] DSAI_1S_W04 [4/5]
Forma prowadzonych zajęć Liczba godzin Metody prowadzenia zajęć Sposób weryfikacji efektów uczenia się Efekty uczenia się
laboratorium [fs01] 45 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 K01 K02 K03 U01 U02 U03 W01 W02 W03
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
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
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)