Przejdź do treści

Zakres specjalistyczny, studia II stopnia — Inżynieria Generatywnej AI

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.

Wybór specjalizacji na Wydziale Informatyki następuje po wypełnieniu ankiety.

Ankietę wypełniają studenci i studentki drugiego roku, studiów II stopnia na wydziale Informatyki.