AI w praktyce: od podstaw do wdrożeń

Ideą studiów jest przedstawienie słuchaczom elementów składowych Sztucznej Inteligencji (Artificial Intelligence); od teoretycznych podstaw matematycznych (algebra liniowa), przez uczenie maszynowe (Machine Learning) i uczenie głębokie (Deep Learning) oraz przetwarzanie języka naturalnego (Natural Language Processing), do technologii generatywnych (Generative AI). Myślą przewodnią studiów jest podejście conversion course, zgodnie z którym będziemy pracować nad wyrównaniem wiedzy poprzez systematyczne podejście do dziedziny AI tak z perspektywy teoretycznej, jak i tej całkowicie praktycznej. Należy pamiętać, że narzędzia oparte o technologie AI ewoluują bardzo szybko, natomiast podstawy teoretyczne oraz główne mechanizmy stojące za tymi rozwiązaniami nie zmieniły się od lat. Dlatego gruntowne zrozumienie podstaw teoretycznych oraz elementów składowych AI pozwoli słuchaczom na pragmatyczne i świadome wykorzystanie AI w biznesie.

Program nauczania obejmuje m.in.: 

• Podstawy algebry liniowej oraz działań na wektorach
• Klasyczne algorytmy uczenia maszynowego oraz walidację modeli
• Sieci neuronowe i Deep Learning
• Natural Language Processing, embeddings i przetwarzanie danych wektorowych
• Architekturę oraz ocenę jakości dużych modeli językowych (Large Language Models)
• Wyszukiwanie semantyczne oraz Retrieval Augmented Generation (RAG)
• Wykorzystanie danych relacyjnych w kombinacji z danymi wektorowymi
• Przygotowanie danych do trenowania AI oraz Data Lakehouse
• Nowoczesne narzędzia programistyczne i Code Assist
• Systemy agentowe, MCP i A2A
• Joint Embedding Predictive Architecture (JEPA) oraz World Models

Studia składają się z serii wykładów oraz bliźniaczej serii ćwiczeń. Te ostatnie umożliwią słuchaczom przetestowanie zagadnień teoretycznych w praktyce zgodnie z podejściem learning by doing, które to pozwoli utrwalić wiedzę oraz zamienić teorię na produktywne rozwiązania biznesowe. 

Na zajęciach poznasz m. in.: 

• Algorytmiczne i programistyczne podstawy AI

• Nauczysz się pracować w Pythonie, środowisku Jupyter i bibliotece NumPy

• Przygotowywać dane do trenowania modeli językowych

• Budować i oceniać modele uczenia maszynowego

• Wykorzystywać Oracle Database 26ai w projektach AI

Studia kończą się przygotowaniem (indywidualnie lub w grupach) i obroną praktycznego projektu końcowego. Praca dyplomowa obejmuje zaprojektowanie i przedstawienie rozwiązania (np. Minimum Viable Product) typu end-to-end z obszaru AI, wykorzystującego wybrane elementy stosu technologicznego omawianego w programie. Podczas obrony pracy oceniane będą takie składowe jak: wartość biznesowa rozwiązania, architektura i dokumentacja, uzasadnienie wyborów technicznych, jakość rozwiązania, bezpieczeństwo i świadomość ograniczeń zastosowanych metod.

Program studiów obejmuje 204 godziny zajęć dydaktycznych, realizowanych w ciągu 2 semestrów i pozwala uzyskać 30 punktów ECTS. Zajęcia prowadzone są w trybie weekendowym, w siedzibie Wydziału Mechatroniki Politechniki Warszawskiej, z możliwością realizacji części laboratoriów w pracowniach komputerowych oraz w środowisku technicznym Oracle Cloud Infrastructure lub innych środowiskach chmurowych wykorzystywanych w programie. Część zajęć będzie prowadzona zdalnie przez MS Teams.

Kontakt:

• tel. +48 22 234 8592
• bartlomiej.fajdek@pw.edu.pl