Inteligentne metody przetwarzania obrazu Kierunek studiów: Data Science i sztuczna inteligencja
Kod programu: W4-S1DS25.2025

Nazwa modułu: Inteligentne metody przetwarzania obrazu
Kod modułu: W4_DSAI_S1_IMPO
Kod programu: W4-S1DS25.2025
Semestr: semestr letni 2026/2027
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 3
Cel i opis treści kształcenia:
Celem modułu jest zapoznanie studenta z algorytmami sztucznej inteligencji stosowanymi w przetwarzaniu obrazu. Algorytmy te będą bazowały na sieciach konwolucyjnych i głębokim uczeniu. W ramach zajęć teoretycznych student zapozna się z podstawową architekturą sieci konwolucyjnej używaną do różnych zadań przetwarzania obrazów takich jak: automatyczne wykrywanie obiektów na obrazie, rozpoznawanie obiektów, uzupełnianie obrazu, automatyczne kolorowanie obrazów, transfer stylu między obrazem a zdjęciem czy generowaniem obrazów ze szkiców. W ramach zajęć praktycznych studenci będą tworzyli własne architektury sieci, a następnie je uczyli na danych testowych pozyskanych z Internetu, a częściowo również wygenerowanych samodzielnie celem uzyskania pożądanych efektów przetwarzania obrazów.
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]
Student jest gotów do odpowiedzialnego podejmowania decyzji w kontekście etycznym i prawnym związanym z przetwarzaniem danych. [K01]
 DSAI_1S_K03 [3/5]
Student potrafi innowacyjnie wykonywać zadania oraz rozwiązywać złożone i nietypowe problemy w zmiennych i nie w pełni przewidywalnych warunkach. [U01]
 DSAI_1S_U04 [3/5] DSAI_1S_U03_inż [3/5]
Student potrafi samodzielnie planować własne uczenie się przez całe życie, komunikować się z otoczeniem, uzasadniać swoje stanowisko. [U02]
 DSAI_1S_U08 [3/5] DSAI_1S_U10 [3/5]
Student potrafi zastosować techniki wstępnego przetwarzania obrazów w kontekście przygotowania danych do analizy. [U03]
 DSAI_1S_U03 [3/5] DSAI_1S_U03_inż [3/5]
Student zna i rozumie w zaawansowanym stopniu wybrane metody i teorię z zakresu działania głębokich sieci neuronowych w kontekście przetwarzania obrazu. [W01]
 DSAI_1S_W04 [3/5]
Student zna i rozumie w zaawansowanym stopniu metody analizy danych, w tym techniki przetwarzania wstępnego, oraz ich zastosowanie w kontekście uczenia maszynowego. [W02]
 DSAI_1S_W03 [3/5] DSAI_1S_W04 [3/5]
Student zna i rozumie w zaawansowanym stopniu zasady etyczne i prawne dotyczące przetwarzania danych osobowych oraz ich wpływ na procesy uczenia maszynowego. [W03]
 DSAI_1S_W04 [3/5] DSAI_1S_W06 [2/5]
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 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)