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.


