Program studiów

Celem przedmiotu jest uzyskanie przez studenta wiedzy z zakresu sztucznej inteligencji i praktycznych umiejętności stosowania jej metod do rozwiązywania problemów, które są trudne lub niepraktyczne przy zastosowaniu typowych metod programistycznych. Podczas dwóch semestrów nauki studenci poznają podstawowe zadania uczenia maszynowego, takie jak: klasyfikacja i regresja. Opanują budowę modeli z wykorzystaniem różnorodnych technik, w tym nowoczesnych, wielowarstwowych sieci neuronowych z zakresu tzw. uczenia głębokiego (ang. deep learning). Zdobędą umiejętności związane z tym, jak przygotować i wstępnie przetwarzać zbiory danych, co jest kluczowe dla skutecznego działania algorytmów. Program obejmuje różnorodne przykłady zastosowania metod sztucznej inteligencji: od analizy obrazu, poprzez techniki prognozowania szeregów czasowych, aż po podstawy przetwarzania języka naturalnego (NLP). Kurs zakłada wykorzystanie języka Python jako głównego narzędzia implementacji, zapewniając solidne podstawy programistyczne. W ramach laboratoriów studenci implementują samodzielnie algorytm genetyczny, algorytm przeszukujący przestrzeń stanów, czy też różnorodne sieci neuronowe, takie jak sieci konwolucyjne czy rekurencyjne, przy wykorzystaniu współczesnych bibliotek dedykowanych uczeniu maszynowemu. Zajęcia łączą teorię z praktyką i pozwalają zdobyć kompetencje cenione na współczesnym rynku pracy.