Sztuczna inteligencja i uczenie maszynowe
Sztuczna inteligencja i uczenie maszynowe
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Identyfikator projektuKierunek - Rozwój
- Sposób dofinansowaniawsparcie dla osób indywidualnychwsparcie dla pracodawców i ich pracowników
- Grupa docelowa usługi
Program studiów podyplomowych "Sztuczna Inteligencja i uczenie maszynowe" jest przeznaczony dla szerokiego spektrum odbiorców, włączając w to inżynierów, menadżerów projektów, absolwentów kierunków ścisłych (ale nie tylko), przedsiębiorców, pasjonatów technologii i nie tylko. Oferuje on unikalną możliwość rozwoju umiejętności w zakresie sztucznej inteligencji, otwierając drzwi do awansu zawodowego i realizacji innowacyjnych projektów w różnorodnych branżach. Ten program jest idealnym wyborem dla każdego, kto chce pogłębić swoją wiedzę i praktyczne umiejętności w dziedzinie AI, niezależnie od obecnego poziomu doświadczenia.
- Minimalna liczba uczestników15
- Maksymalna liczba uczestników35
- Data zakończenia rekrutacji22-03-2025
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi180
- Podstawa uzyskania wpisu do BURart. 163 ust. 1 ustawy z dnia 20 lipca 2018 r. Prawo o szkolnictwie wyższym i nauce (t.j. Dz. U. z 2023 r. poz. 742, z późn. zm.)
- Zakres uprawnieńStudia podyplomowe
Cel
Cel
Cel edukacyjny
Celem kierunku „Sztuczna inteligencja i uczenie maszynowe” jest wyposażenie uczestników w umiejętności projektowania, implementacji i optymalizacji systemów AI, rozwiązywania rzeczywistych problemów biznesowych i technologicznych. Program obejmuje naukę języka Python, algorytmy, sieci neuronowe, systemy ekspertowe i metody optymalizacji. Kładzie nacisk na praktyczne zastosowanie wiedzy, przygotowując do pracy w branżach technologicznych, finansowych i medycznych.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się Wiedza:1. Podstawy języka Python i paradygmatu obiektowego 2. Koncepcje i zastosowania sztucznej inteligencji 3. Teoretyczne podstawy metod sztucznej inteligencji i optymalizacji | Kryteria weryfikacji - Opisuje strukturę programów w języku Python, podstawowe typy danych, kolekcje, instrukcje sterujące, funkcje i koncepcje programowania obiektowego.- Wyjaśnia podstawowe pojęcia i definicje AI, takie jak regresja, klasyfikacja, klasteryzacja i optymalizacja, oraz różnice między uczeniem nadzorowanym i nienadzorowanym. - Omawia podstawy metod AI, w tym algorytmy klasyfikacji (KNN, drzewa decyzyjne, SVM) oraz optymalizacyjne (deterministyczne i stochastyczne). | Metoda walidacji Test teoretyczny |
Efekty uczenia się Umiejętności:1. Tworzenie i implementacja algorytmów AI 2. Analiza danych i redukcja wymiarowości 3. Projektowanie systemów ekspertowych | Kryteria weryfikacji - Projektuje i implementuje modele AI, takie jak drzewa decyzyjne, SVM, regresję liniową i sieci neuronowe.- Przeprowadza analizę danych, w tym redukcję wymiarowości za pomocą PCA oraz wykorzystuje odpowiednie metryki do oceny wyników. - Konstruuje systemy ekspertowe zdolne do podejmowania decyzji w warunkach niepewności, z wykorzystaniem narzędzi takich jak pymcdm i COMET. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Kompetencje społeczne:1. Praca zespołowa w projektach AI 2. Odpowiedzialność za wdrażanie technologii AI 3. Krytyczne podejście do rozwiązań AI | Kryteria weryfikacji - Angażuje się w pracę zespołową, aktywnie współpracując z innymi uczestnikami w realizacji projektów związanych z AI i uczeniem maszynowym.- Świadomie podejmuje decyzje dotyczące etycznego wykorzystania technologii AI, szczególnie w kontekście automatyzacji procesów decyzyjnych. - Ocenia skuteczność i potencjalne ograniczenia zaimplementowanych systemów AI, uwzględniając zarówno aspekty techniczne, jak i biznesowe. | Metoda walidacji Test teoretyczny |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Absolwent uzyskuje zaświadczenie potwierdzające zdobyte efekty kształcenia.
Studia kończą się zaliczeniem na ocenę określonym w karcie kierunku.
Program
Program
Wprowadzenie do języka Python 3 (30 godz.)
- Wprowadzenie
- Podstawowe typy danych i operacje na nich
- Kolekcje i operacje na nich
- Instrukcje sterowania przepływem programu
- Funkcje
- Biblioteka standardowa Python
- Podstawy paradygmatu obiektowego
Programowanie Obiektowe (16 godz.)
- Programowanie Obiektowe
Wprowadzenie do Sztucznej Inteligencji (14 godz.)
- Podstawowe pojęcia i definicje
- Zad. regresji, klasyfikacji, detekcji, klasteryzacji i optymalizacji
- Uczenie nadzorowanie i nienadzorowane
- Atrybuty danych, ich typy i właściwości
- Zbiory danych (uczący, testujący, walidacja, etc.)
Metody Sztucznej Inteligencji I (30 godz.)
- Miary dopasowania w zadaniach klasyfikacji
- Metoda KNN
- Perceptron prosty, podniesienie wymiarowości
- Drzewo decyzyjne
- Metoda SVM
- Algorytmy boostingu
- Anal. tekstów (naive Bayes, bag of words, macierze rzadkie)
Metody Sztucznej Inteligencji II (30 godz.)
- Regresja logistyczna, regularyzacja
- Miary dopasowania w zadaniach regresji
- Regresja liniowa
- Regresor KNN
- Regresor bazujący na drzewach decyzyjnych
- Metoda SVR
- Klasyfikator i regresja MLP
- Algorytmy boostingu w zadaniach regresji
- PCA i redukcja wymiarowości
Sztuczne sieci neuronowe (20 godz.)
- Wprowadzenie do głębokich sieci neuronowych
- Struktury głębokich sieci neuronowych
- Klasyfikacja wieloklasowa za pomocą głębokich sieci neur.
- Autoenkoder
- Generowanie obrazów (GAN)
Systemy Ekspertowe (20 godz.)
- Wprowadzenie do systemów ekspertowych
- Biblioteka pymcdm
- Praktyczne zastosowanie MCDM
- Podejmowanie decyzji w warunkach niepewności
- COMET
Metody Optymalizacji (20 godz.)
- Wprowadzenie
- Metody deterministyczne
- Algorytmy Stochastyczne
- Algorytmy optymalizacji dyskretnej
Forma zaliczenia
Test semestralny i egzamin końcowy
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
---|---|---|---|---|
Przedmiot / temat zajęć 1 z 9 Wprowadzenie do języka Python 3 | Data realizacji zajęć 29-03-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 2 z 9 Wprowadzenie do języka Python 3 | Data realizacji zajęć 30-03-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 3 z 9 Wprowadzenie do języka Python 3 | Data realizacji zajęć 26-04-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 4 z 9 Programowanie Obiektowe | Data realizacji zajęć 27-04-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 5 z 9 Programowanie Obiektowe | Data realizacji zajęć 24-05-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 6 z 9 Wprowadzenie do Sztucznej Inteligencji | Data realizacji zajęć 25-05-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 7 z 9 Metody Sztucznej Inteligencji I | Data realizacji zajęć 05-07-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 8 z 9 Metody Sztucznej Inteligencji I | Data realizacji zajęć 06-07-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 9 z 9 Test semestralny | Data realizacji zajęć 06-07-2025 | Godzina rozpoczęcia 16:15 | Godzina zakończenia 17:15 | Liczba godzin 01:00 |
Cena
Cena
Cennik
- Rodzaj cenyCena
- Koszt przypadający na 1 uczestnika brutto6 650,00 PLN
- Koszt przypadający na 1 uczestnika netto6 650,00 PLN
- Koszt osobogodziny brutto36,94 PLN
- Koszt osobogodziny netto36,94 PLN
Prowadzący
Prowadzący
dr inż. Wojciech Sałabun
Jakub Więckowski
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Podczas zjazdu każdy uczestnik programu otrzymuje komplet materiałów dydaktycznych na platformie MS Teams.
Materiały te przygotowują wykładowcy, dostosowując je do specyfiki prowadzonego tematu.
Uczestnicy studiów pracują na platformie MS Teams, to platforma komunikacyjna Uniwersytetu WSB Merito, stworzona w celu ograniczenia formalności oraz ułatwienia przepływu informacji między uczestnikami a uczelnią. Za jej pomocą przez całą dobę i z każdego miejsca na świecie uczestnicy mają dostęp do:
- harmonogramu zajęć,
- materiałów dydaktycznych,
- informacji dotyczących zmian w planach zajęć, ogłoszeń i aktualności.
Warunki uczestnictwa
Zapisu można dokonać na stronach Uniwersytetu WSB Merito w wybranych filiach poprzez formularz online znajdujący się na stronie: www.wsb.pl/rekrutacja/krok1 oraz dostarczyć komplet dokumentów do Biura Rekrutacji do wybranej filii.
Kryteria uczestnictwa w Programie
- ukończone studia wyższe I lub II stopnia
- spełnienie warunków rekrutacyjnych
Warunki zaliczenia
test semestralny oraz egzamin końcowy
Interaktywna forma zajęć
Wykłady uzupełniane są ćwiczeniami, warsztatami, studiami przypadków, treningami i symulacjami, dzięki którym uczestnicy mogą na bieżąco weryfikować swoje umiejętności.
Zjazdy odbywają się:
- w soboty i niedziele w godzinach 8:00 - 18:00
Informacje dodatkowe
- Szczegółowy harmonogram usługi może ulec zmianie w postaci realizowanych przedmiotów w danym dniu i osób prowadzących,
- Godziny zajęć podane w harmonogramie są godzinami zegarowymi, zaś ilość godzin programowych jest podana w godzinach dydaktycznych. 8 godzin dydaktycznych = 6 godzin zegarowych,
- Cena usługi nie obejmuje opłaty wpisowej oraz końcowej,
- Cena usługi ulega zmianie, przy rozłożeniu płatności na raty.
180 godzin dydaktycznych = 135 godzin zegarowych
- Cena usługi nie obejmuje opłaty wpisowej oraz końcowej.
Warunki techniczne
Warunki techniczne
Zajęcia prowadzone online przez aplikację MS Teams.
Techniczne wymagania do zajęć:
- komputer (z wbudowanymi lub podłączonymi głośnikami i mikrofonem),
- dostęp do Internetu,
- słuchawki (opcjonalnie),
- jeśli chcesz aby Cię widziano, możesz użyć kamery umieszczonej w laptopie/komputerze.