Informatyka

Tematyka zakresu specjalistycznego

Data Science, czyli nauka o danych, odgrywa niezwykle istotną rolę we współczesnym świecie, przekształcając sposób, w jaki podejmujemy decyzje, prowadzimy biznes i rozwiązujemy problemy. W dobie ogromnego wzrostu ilości danych generowanych codziennie przez różne źródła, od mediów społecznościowych po systemy informatyczne, umiejętne ich wykorzystanie staje się kluczowym czynnikiem sukcesu. Data Science łączy w sobie techniki statystyczne, analizę danych, uczenie maszynowe i przetwarzanie dużych zbiorów danych, aby odkryć ukryte wzorce, zależności i informacje, które mogą prowadzić do trafniejszych wniosków i lepszych decyzji biznesowych. Firmy wykorzystujące Data Science mogą zoptymalizować swoje procesy, poprawić efektywność, zrozumieć lepiej potrzeby klientów oraz przewidywać trendy rynkowe. Ponadto, Data Science odgrywa kluczową rolę w rozwoju nowych technologii, takich jak sztuczna inteligencja, automatyzacja procesów czy Internet rzeczy (IoT). Wraz z rosnącym znaczeniem danych jako zasobu strategicznego, umiejętności związane z Data Science stają się coraz bardziej poszukiwane na rynku pracy, co podkreśla centralną rolę tej dziedziny we współczesnym świecie.

Tematyka zakresu specjalistycznego

Absolwent wykształcony zgodnie z tą sylwetką jest specjalistą przygotowanym do pracy w większych zespołach wytwarzania oprogramowania oraz zespołach analizy i wsparcia procesów biznesowych. Dzięki wiedzy z obszarów inżynierii wymagań, baz danych, hurtowni danych i eksploracji danych, modelowania procesów biznesowych i komunikacji w zespole oraz procesów podejmowania decyzji w biznesie jest przygotowany do pośredniczenia w komunikacji między zespołami programistów a zespołami biznesowymi.

Dobra znajomość technologii, baz danych, architektury systemów oraz metod analizy i projektowania umożliwia mu rozwój zawodowy w różnorodnych zawodach i rolach od analityka biznesowego, analityka systemowego, inżyniera wymagań, programisty, projektanta witryn internetowych, projektanta i administratora baz danych, projektanta i analityka hurtowni danych, inżyniera oprogramowania aż po kierowników zespołów wytwarzania, wsparcia i projektów informatycznych.

Potencjalne miejsce zatrudnienia tak przygotowanego kandydata stanowią firmy tworzące i wdrażające oprogramowanie, w tym zwłaszcza systemy biznesowe, organizacje posiadające i przetwarzające duże zbiory danych (m.in. banki, firmy ubezpieczeniowe, operatorzy telefonii), firmy świadczące usługi w zakresie business intelligence, działy rozwoju i wsparcia oraz działy analityczne dużych przedsiębiorstw.

Sylwetka ta ma szczególnie szeroki zakres tematyczny, toteż wyodrębniono w ramach niej cztery obszary tematyczne

Przedmioty obieralne związane z sylwetką

Osoby wybierające niniejszy zakres prosimy o zapoznanie się z rekomendacjami przedmiotów obieralnych dla preferowanego obszaru tematycznego.

Profil kandydata

Kandydat zainteresowany kształceniem ukierunkowanym na tę sylwetkę powinien charakteryzować się umiejętnością analitycznego myślenia, biegłością posługiwania się wybranym językiem programowania ogólnego przeznaczenia oraz znajomością podstaw systemów baz danych oraz predyspozycjami komunikacyjnymi i zdolnością do pracy w zespole. Wskazana jest znajomość metod analizy i projektowania obiektowego, w tym języka UML.

Zawody, w których może znaleźć zatrudnienie absolwent realizujący tę sylwetkę obejmują administratora sieci i systemów komputerowych, projektanta i administratora centrów danych, programistę aplikacji mobilnych, projektanta i administratora systemów komunikacji bezprzewodowej, specjalistę ds. bezpieczeństwa systemów teleinformatycznych, projektanta usług w chmurze, inżyniera DevOps, czy projektanta i administratora usług streamingowych. Potencjalni pracodawcy to m.in. operatorzy telekomunikacyjni, producenci systemów i aplikacji mobilnych oraz dostawcy usług opartych na chmurze.

Termin interaktywne multimedia obejmuje zagadnienia współpracy użytkownika z systemami informatycznymi, zwykle on-line. Szczególną rolę odgrywa tu interakcja, czyli dwukierunkowa komunikacja człowieka z systemem lub z innymi użytkownikami za pośrednictwem tego systemu (np. w grach i innych aktywnościach wymagających współdziałania). Taką interakcję umożliwiają interfejsy multimedialne.

Interaktywne multimedia integrują komputer, dane, telewizję, telefon i urządzenia mobilne, interfejsy oraz inne technologie informacyjne. Media interaktywne odnoszą się do koncepcyjnego projektowania interakcji, graficznego interfejsu użytkownika, nowych mediów, kultury cyfrowej, oraz rzeczywistości wzbogaconej i wirtualnej. Do najpopularniejszych interaktywnych aplikacji multimedialnych należą gry, programy edukacyjne i szkoleniowe, encyklopedie elektroniczne i przewodniki turystyczne. Użytkownik interaktywnej aplikacji multimedialnej staje się aktywnym uczestnikiem dwustronnej, szeroko pojętej komunikacji.

Zakres specjalistyczny Zaawansowane technologie immersyjne i sztuczna inteligencja (SEM_XR) ze względu na profil kandydata jest dedykowany przede wszystkim absolwentom zakresu specjalistycznego XR_G (J) – eXtended Reality, Gry i Systemy Immersyjne ze studiów inżynierskich Wydziału Informatyki PJATK, którzy chcą kontynuować ten program na drugim stopniu. SEM_XR prowadzony jest przez zespół badaczy i specjalistów z laboratoriów Centrum Badawczo-Rozwojowego XR PJATK (XR Center – XRC).

Osoba koordynująca: dr inż. Michał Majewski

Symbol:

Tematyka zakresu specjalistycznego:

Specjalizacja koncentruje się na projektowaniu, trenowaniu, optymalizacji oraz wdrażaniu nowoczesnych systemów generatywnych i multimodalnych. Program obejmuje pełny cykl życia systemów sztucznej inteligencji — od implementacji modeli głębokich, przez ich dostrajanie i ewaluację, aż po wdrożenia produkcyjne i zagadnienia bezpieczeństwa.

Studenci zdobywają wiedzę z zakresu:

• uczenia głębokiego (CNN, RNN, autoenkodery, GAN, Transformers),
• modeli generatywnych i multimodalnych (Vision Transformers, modele dyfuzyjne, CLIP),
• systemów Retrieval-Augmented Generation (RAG),
• efektywnego dostrajania modeli (LoRA, adaptery),
• kompresji i optymalizacji modeli (kwantyzacja, dystylacja, pruning),
• systemów agentowych oraz alignmentu modeli (RLHF, DPO),
• uczenia ze wzmocnieniem (w tym zastosowania w robotyce),
• inżynierii systemów AI i MLOps (API, Docker, CI/CD, MLflow, Kubernetes).

Program łączy fundamenty teoretyczne z intensywną praktyką inżynierską, przygotowując do pracy z nowoczesnymi modelami fundamentowymi i systemami wielkoskalowymi.

Możliwości wykorzystania zdobytej wiedzy w przyszłej pracy zawodowej:

Absolwenci są przygotowani do pracy jako AI Engineer, ML Engineer lub specjalista ds. systemów generatywnych. Zdobyte kompetencje pozwalają na projektowanie i wdrażanie systemów opartych na modelach generatywnych w branżach takich jak IT, robotyka, przemysł kreatywny, medycyna czy analiza danych. Program kładzie nacisk na praktyczne umiejętności wdrożeniowe (MLOps, API, konteneryzacja), co umożliwia pracę zarówno w zespołach produktowych, jak i badawczo-rozwojowych.

Przykładowe tematy prac dyplomowych:

• System Retrieval-Augmented Generation do wyszukiwania i generowania wiedzy
• Multimodalny system wyszukiwania obraz–tekst (CLIP)
• Optymalizacja modeli LLM (LoRA, kwantyzacja)
• System agentowy wykorzystujący modele generatywne
• Generatywna AI w robotyce (percepcja, planowanie, sterowanie)
• Analiza bezpieczeństwa i odporności modeli generatywnych
• Systemy rekomendacyjne oparte na embeddingach i modelach generatywnych
  (na podstawie projektów i zakresu kursów)

Opis laboratorium:

Laboratoria mają charakter projektowy i inżynierski. Studenci implementują modele od podstaw (NumPy, PyTorch, TensorFlow), budują systemy generatywne (RAG, multimodalne wyszukiwanie, modele dyfuzyjne), a następnie przekształcają je w działające usługi. Obejmują one projektowanie API (FastAPI), konteneryzację (Docker), pipeline’y danych, monitoring oraz wdrożenia w środowiskach wielousługowych i Kubernetes. Zajęcia rozwijają umiejętność pracy z rzeczywistymi ograniczeniami systemowymi i kosztami obliczeń.

Przedmioty specjalizacyjne:

Uczenie Głębokie w języku Python – podstawy i zaawansowane techniki deep learningu, implementacja modeli oraz projekty (CNN, RL, RAG).

Generatywne AI – nowoczesne modele generatywne i multimodalne, optymalizacja, alignment, systemy agentowe i wdrożenia.

Zajęcia projektowe:

PRO1 – inżynieria systemów AI i MLOps: API, Docker, CI/CD, MLflow, Kubernetes, wdrożenie modelu jako usługi.

PRO2 – trendy w generatywnej AI: scaling laws, bezpieczeństwo, ekonomia modeli, kierunki rozwoju.

PRO3 – przygotowanie pracy dyplomowej: pisanie naukowe, LaTeX/Typst, prezentacja wyników, przygotowanie do obrony.

Ponadto zaleca się uczestnictwo w przedmiocie obieralnym Metody Inżynierii Wiedzy na 6 semestrze, który uzupełnia wiedzę z zakresu modeli eksperckich, uczenia maszynowego oraz inżynierii wiedzy.