Opis kierunku:
Studia na kierunku “Informatyka - Uczenie Maszynowe i Sztuczna Inteligencja” nie tylko przygotują do pracy zawodowej, która w związku z dynamicznym rozwojem technologii AI (Artificial Intelligence, sztuczna inteligencja) znajduje swoje zastosowanie w wielu obszarach zawodowych, ale również umożliwią rozwój zainteresowań i pasji studentów w ramach działających kół naukowych, a także projektów badawczych i badawczo-rozwojowych.
Wyróżnikiem kierunku “Informatyka - Uczenie Maszynowe i Sztuczna Inteligencja” jest jego innowacyjny i praktyczny charakter, który stanowi odpowiedź na zapotrzebowanie na nowo wykwalifikowanych specjalistów w obszarze AI.
Program studiów porusza różnorodne obszary takie jak uczenie ze wzmocnieniem, zastosowanie głębokich sztucznych sieci neuronowych, wizualizacja dużych zbiorów danych czy lingwistyka obliczeniowa.
Absolwent “Informatyka - Uczenie Maszynowe i Sztuczna Inteligencja” będzie wyróżniał się szczegółową i zarazem zaawansowaną wiedzą oraz umiejętnościami we wszystkich najważniejszych obszarach AI oraz rozwinie swoje kompetencje miękkie, które są niezbędnę do efektywnej pracy w zespole
Dla kogo?
Studia są skierowane do kandydatów posiadających tytuł inżyniera lub magistra inżyniera (rekrutacja zimowa). Niemniej jednak, osoby mające tytuł licencjata lub magistra mają możliwość uczestnictwa w semestrze zerowym, który został zorganizowany w celu uzupełnienia kompetencji inżynierskich (rekrutacja letnia).
Studia są skierowane do kandydatów posiadających:
- tytuł inżyniera lub magistra inżyniera – studia 3 semestralne, rekrutacja zimowa
- tytuł licencjata lub magistra – studia 4 semestralne, rekrutacja letnia*
Osoby mające tytuł licencjata lub magistra mają możliwość uczestnictwa w tzw. semestrze zerowym, który został zoprojektowany w taki sposób, aby pomóc studentom uzupełnić brakujące kompetencje inżynierskie i przygotować ich do pełnego udziału w studiach. Semestr zimowy umożliwia zdobycie niezbędnej wiedzy w obszarze nauk ścisłych oraz nabycie umiejętności, które będą niezbędna na dalszych etapach nauki.
Limit przyjęć na kierunek Informatyka - Uczenie Maszynowe i Sztuczna Inteligecnja w roku akademickim 2024/2025, zarówno w przypadku rekrutacji na semestra letni, jak i zimowy: 24
.jpg)
Zakres tematyczny
SEMESTR 0
Poznasz podstawowe technologie budowy współczesnych aplikacji internetowych (HTML 5, CSS3) oraz nauczysz się samodzielnie projektować i tworzyć aplikacje WWW
– przedmiot: Wprowadzenie do aplikacji internetowych
Zdobędziesz wiedzę dotyczącą podstawowych kontrukcji języka python. Będziesz potrafić analizować kodu źródłowego, oceniać jego jakość, a także zidentyfikować i naprawić typowe błędy
– przedmiot: Język Python
Dowiesz się, w jaki sposób wykorzystywać dostępne w różnych implementacjach systemów uniksowych poleceń systemowych i programów użytkowych. Nauczysz się dobierać konfiguracje systemu operacyjnego, tak aby w efektywny sposób wykorzystywały moc obliczeniową sprzętu
– przedmiot: Wprowadzenie do systemu UNIX
SEMESTR I
Zdobędziesz wiedzę z zakresu sztucznych sieci neuronowych, poznasz metody i algorytmy uczenia głębokich sieci neuronowych. Nauczysz się je projektować i implementować, a także dowiesz się, w jaki sposób wytrenować sieć neuronową do rozwiązania określonego problemu uczenia maszynowego
– przedmiot: Sieci neuronowe i uczenie głębokie
Zapoznasz się z przetwarzaniem danych sensorycznych, projektowaniem oraz uczeniem modeli dla uczenia maszyn. Nauczysz się wykorzystywać środowiska wspomagające budowę modeli oraz uczenie maszyn, a także zdobędziesz umiejętność samodzielnego projektowania i programowania algorytmów
– przedmiot: Uczenie maszyn
SEMESTR II
Zapoznasz sie z różnorodnymi architekturami sztucznych sieci neuronowych, w tym ich teoretycznymi fundamentami, zaletami i ograniczeniami. Zdobędziesz umiejętność implemetowania, trenowania oraz oceniania użyteczności różnych architektur sieci neuronowych z uwzględnieniem specyficznych potrzeb i wymagań danego problemu
– przedmiot: Architektury sieci neuronowych
Zdobędziesz wiedzę w zakresie reprezentacji i przetwarzania obrazów cyfrowych, ekstrakcji cech, segmentacji obrazów czy detekcji obiektów na obrazach cyfrowych. Poznasz algorytmy i techniki przetwarzania oraz analizy obrazów monochromatycznych i kolorowych
– przedmiot: Widzenie komputerowe
SEMESTR III
Poznasz podstawowe problemy z zakresu etycznych i społecznych problemów związanych rozwojem sztucznej inteligencji i systemów automatycznego przetwarzania danych. Będziesz potrafić wykorzystać zdobytą wiedzę do prawidłowej identyfikacji i analizy problemów i konfliktów etycznych
– przedmiot: Etyczne i społeczne aspekty przetwarzania danych i sztucznej inteligencji
Zapoznasz się z kierunkami regulacji unijnych, które mogą potencjalnie przełożyć się na konieczność modyfikacji posiadanych systemów AI, a także nauczysz się prawidłowo interpretować normy prawne, w kontekście ich wpływu na prawa i obowiązki administratorów, twórców i użytkowników systemów AI
– przedmiot: Problemy prawne systemów AI
Perspektywy zawodowe
Sztuczna inteligencja (Artificial Inteligencje, AI), stanowi obecnie jedno z najszybciej rozwijających się obszarów technologii. Jej wzrastające znaczenie jest niepodważalne w różnych sferach działalności gospodarczej i naukowej, fundamentalnie zmieniając sposób działania wielu sektorów. Z uwagi na wszechstronność sztucznej inteligencji, zwiększa się potrzeba, aby specjaliści w tym obszarze posiadali szczegółową i zaawansowaną wiedzę oraz umiejętności we wszystkich kluczowych dziedzinach AI. Obecnie szacuje się, że zapotrzebowanie na specjalistów AI i uczenia maszynowego na świecie wzrośnie o 40%. Odpowiedzią jest nowoutworzony kierunek studiów Informatyka – Uczenie Maszynowe i Sztuczna Inteligencja, który poprzez szkolenie studentów w tych dziedzinach, stwarza doskonałe możliwości zawodowe w licznych branżach na rynku Polskim, jak i międzynarodowym.
Przemysł i produkcja – w przemyśle wykorzystuje się uczenie maszynowe do optymalizacji procesów produkcyjnych, przewidywania usterek i konserwacji sprzętu, oraz do monitorowania jakości produktów.
Finanse – w sektorze finansowym AI jest wykorzystywana do analizy ryzyka kredytowego, handlu algorytmicznego, wykrywania oszustw, analizy rynków i prognozowania trendów.
Medycyna – uczenie maszynowe pomaga w diagnozowaniu chorób, analizie obrazów medycznych (np. tomografia komputerowa, rezonans magnetyczny), opracowywaniu leków oraz do personalizacji opieki zdrowotnej.
Transport i logistyka – uczenie maszynowe pomaga w optymalizacji tras dostaw, zarządzaniu flotą pojazdów, prognozowaniu ruchu drogowego, oraz w rozwoju pojazdów autonomicznych.
Nauka i badania – w naukach przyrodniczych, uczenie maszynowe pozwala na analizę dużych zbiorów danych, symulacji, oraz wspomaga odkrywanie nowych wzorców i zależności.
Edukacja – uczenie maszynowe może wspomagać proces nauczania poprzez personalizację materiałów edukacyjnych, adaptacyjne systemy uczenia się oraz analizę postępów uczniów.
