Specjalność oferowana na studiach II stopnia – magisterskich. Program kształcenia na specjalności pozwala na nabycie dogłębnej wiedzy i umiejętności wymaganych na rynku pracy od specjalistów z zakresu sztucznej inteligencji (AI). Studenci poznają nowoczesne i innowacyjne metody dotyczące uczenia maszynowego: głębokie sieci neuronowe, metody przetwarzania języka naturalnego (NLP) oraz metody widzenia maszynowego. W ramach specjalności prowadzone są również zajęcia dotyczące zaawansowanych metod optymalizacji oraz statystycznych metod przetwarzania danych. Zajęcia specjalnościowe prowadzone są przez ekspertów z dziedziny sztucznej inteligencji z dużym doświadczeniem i uznaną pozycją w polskiej nauce – pracowników Katedry z zespołów Uczenia Maszynowego i Zaawansowanych Metod Analizy Danych.

Sylwetka absolwenta

Studia magisterskie

Absolwenci specjalności są ekspertami w branży AI i mogą znaleźć zatrudnienie w nowoczesnych sektorach gospodarki nastawionych na zastosowanie sztucznej inteligencji, ukierunkowanych na transformację cyfrową oraz analizę danych.

Absolwent jest specjalistą w zakresie projektowania i wykorzystania modeli uczenia głębokiego, analizy danych oraz optymalizacji, stosowanych w modelach sztucznej inteligencji. Sprawnie posługuję się językiem Python oraz metodami przetwarzania języka naturalnego. Jest wyposażony w wiedzę i umiejętności planowania i prowadzenia badań naukowych, co otwiera możliwości kontunuowania nauki w szkole doktorskiej i kariery naukowej.

Absolwent może znaleźć atrakcyjne zatrudnienie jako:

  • Specjalista z zakresu nowoczesnych i innowacyjnych metod nauczania maszynowego
  • Projektant zaawansowanych sieci neuronowych
  • Specjalista analizy danych
  • Naukowiec lub pracownik badawczo-rozwojowy w obszarze AI

Kursy specjalnościowe

Zajęcia specjalnościowe pozwalają na nabycie kompetencji w dziedzinie uczenia maszyn i działalności rozwojowo-badawczej. Wyróżnić można cztery grupy tematyczne:

  • Uczenie maszyn i sztuczna inteligencja: Uczenie maszyn, Głębokie sieci neuronowe, Metody przetwarzania języka naturalnego i wyszukiwanie.
  • Przetwarzanie i zaawansowana analiza danych: Statystyczna analiza danych, Przetwarzanie sygnałów wielowymiarowych.
  • Planowanie i prowadzenie badań: Podstawy warsztatu badawczego, Projekt badawczy, Praca dyplomowa, Seminaria specjalnościowe i dyplomowe.
  • Nowoczesne metody optymalizacji: Algorytmy optymalizacji inspirowane naturą.

Struktura Pogramu nauczania