Uczenie nadzorowane Kierunek studiów: Data Science i sztuczna inteligencja
Kod programu: W4-S1DS25.2025

Nazwa modułu: Uczenie nadzorowane
Kod modułu: W4_DSAI_S1_UczN
Kod programu: W4-S1DS25.2025
Semestr: semestr zimowy 2026/2027
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 4
Cel i opis treści kształcenia:
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.
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 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]
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
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)
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)