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

Nazwa modułu: Uczenie głębokie
Kod modułu: W4_DSAI_S1_UG
Kod programu: W4-S1DS25.2025
Semestr: semestr letni 2026/2027
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 4
Cel i opis treści kształcenia:
Celem modułu jest zapoznanie studentów z wybranymi metodami budowy i trenowania głębokich sieci neuronowych, ze szczególnym uwzględnieniem nowoczesnych architektur i ich zastosowań w analizie danych. Omawiane są zarówno podstawowe mechanizmy działania sieci, techniki regularyzacji i optymalizacji, jak i zaawansowane architektury, takie jak konwolucyjne sieci neuronowe oraz transformatory stosowane w przetwarzaniu języka naturalnego. Studenci nauczą się projektować, trenować i optymalizować modele głębokiego uczenia z wykorzystaniem popularnych platform programistycznych tzw. frameworków oraz rozwiązywać rzeczywiste problemy związane z analizą obrazu, tekstu i podejmowaniem decyzji.
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 gotów do krytycznej oceny opracowanych modeli głębokiego uczenia, w tym uwzględniania ograniczeń modeli i ryzyka ich niewłaściwego zastosowania. [K01]
 DSAI_1S_K02 [3/5] DSAI_1S_K03 [3/5]
Potrafi efektywnie współpracować w zespole nad wspólnym projektem wykorzystującym techniki uczenia głębokiego, przyjmując różne role i dzieląc się wiedzą. [K02]
 DSAI_1S_U09 [3/5] DSAI_1S_K03 [3/5]
Ma świadomość etycznych konsekwencji zastosowania technologii uczenia głębokiego i przestrzega zasad odpowiedzialnego wykorzystywania sztucznej inteligencji. [K03]
 DSAI_1S_K03 [3/5]
Potrafi zaprojektować, zaimplementować i wytrenować głęboką sieć neuronową do rozwiązania zadania klasyfikacji, regresji lub generowania danych z użyciem dostępnych platform programistycznych. [U01]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Potrafi dobrać odpowiednie architektury sieci neuronowych oraz techniki regularyzacji i optymalizacji w zależności od specyfiki problemu i charakterystyki danych. [U02]
 DSAI_1S_U04 [3/5] DSAI_1S_U01_inż [3/5]
Umie samodzielnie aktualizować i poszerzać swoją wiedzę w zakresie uczenia głębokiego, analizując literaturę naukową i dokumentację narzędzi programistycznych. [U03]
 DSAI_1S_U06 [3/5] DSAI_1S_U10 [3/5]
Ma uporządkowaną, podbudowaną teoretycznie wiedzę na temat budowy, działania i sposobów trenowania głębokich sieci neuronowych, w tym konwolucyjnych sieci neuronowych, modeli transformatorowych oraz modeli generatywnych. [W01]
 DSAI_1S_W04 [3/5] DSAI_1S_W02_inż [3/5]
Zna zaawansowane metody optymalizacji i regularyzacji stosowane w uczeniu głębokim oraz potrafi wyjaśnić ich wpływ na proces uczenia i generalizację modelu. [W02]
 DSAI_1S_W04 [3/5]
Rozumie znaczenie oraz ograniczenia różnych paradygmatów uczenia maszynowego, w tym uczenia nadzorowanego, nienadzorowanego i przez wzmacnianie, w kontekście rozwiązywania rzeczywistych problemów. [W03]
 DSAI_1S_W04 [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
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)
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)