Opis kierunku
Studia zapewniają podstawową wiedzę z zakresu sztucznej inteligencji i nauki o danych (data science). Rozwijają zarówno umiejętności matematyczne, programistyczne, obliczeniowe, analityczne, jak i umiejętności pracy projektowej w grupie, z nastawieniem na identyfikowanie problemów (naukowych, biznesowych, społecznych) i ich rozwiązywanie z wykorzystaniem technik i metod inteligentnych.
Są adresowane do kandydatów interesujących się tematyką analizy danych i sztucznej inteligencji (w tym uczenia maszynowego), którzy potrafią programować, a matematyka i algorytmika nie są im obce. Kandydat powinien być gotowy do intensywnej pracy, zwieńczonej projektem naukowo-wdrożeniowym.
Studia obejmują zagadnienia z zakresu:
- metod maszynowego uczenia, w tym modeli probabilistycznych i modeli głębokich (deep learning),
- zastosowań sztucznej inteligencji w personalizowanych systemach rekomendacyjnych oraz w przetwarzaniu języka naturalnego,
- danych multimedialnych, danych sieciowych i danych pochodzących z mediów cyfrowych.
Studia przybliżą techniki pozyskiwania informacji z danych masowych, złożonych, przestrzennych i afektywnych. W trakcie studiów będzie można poznać metodyki prowadzenia projektów w zakresie sztucznej inteligencji, w teorii i praktyce, podczas trzysemestralnego projektu naukowo-wdrożeniowego. Studiowanie na tym kierunku umożliwi poznanie możliwości zastosowań sztucznej inteligencji w biznesie.
W czasie studiów jest do wyboru jedna z trzech ścieżek rozwoju:
- podjęcie dalszej pracy badawczej (doktorat),
- praca w najlepszych centrach badawczo-rozwojowych na świecie,
- założenie własnego start-upu związanego z rozwojem i zastosowaniem sztucznej inteligencji.
Kierunek został objęty działaniami zwiększającymi jakość kształcenia realizowanymi w ramach projektu Akademia Innowacyjnych Zastosowań Technologii Cyfrowych (AI Tech).
Absolwent potrafi
- podejmować i rozwiązywać wyzwania technologiczne w różnych dziedzinach życia metodami sztucznej inteligencji,
- stosować metody uczenia maszynowego, w tym modele głębokie (ang. deep learning) i wnioskowania statystycznego oraz nowoczesne narzędzia informatyczne w trudnych zadaniach analizy danych oraz interpretacji pozyskanej wiedzy w zastosowaniach praktycznych,
- analizować złożone, masowe i dynamiczne dane językowe, multimedialne, medyczne, pochodzące z mediów społecznościowych, zjawisk ekonomicznych i innych.
Warunki przyjęcia
Wymagany tytuł zawodowy: inżynier, magister inżynier, inżynier architekt, magister inżynier architekt.
Dopuszczalne kierunki ukończonych studiów: brak ograniczeń.