rekrutacja

O studiach

AI > O studiach
O studiach AI

Z miłością do nauki
Z szacunkiem do praktyki

Jesteśmy zespołem ludzi, którzy od wielu lat łączą pasję naukową z praktyką. Naszą specjalnością jest stosowanie metod sztucznej inteligencji w systemach informatycznych. Na swoim koncie mamy również współpracę z globalnymi gigantami jak Google, Renault, Toyota, Roche czy Shell, jak też innowacyjnymi polskimi firmami jak MakoLab, Sii, czy InteliWise. Nasze studia AI opierają się na trzech filarach:

  1. rozumieniu podstaw teoretycznych AI
  2. rozwijaniu umiejętności programistycznych
  3. konfrontacji z konkretnymi/praktycznymi problemami AI

Trzy filary

Fundament teoretyczny

Matematyczno-logiczne aspekty AI

Logika formalna z elementami semiotyki

Logiczna teoria języka

Rachunek prawdopodobieństwa i rozumowania statystyczne

Teoretyczne podstawy automatyzacji rozumowań i maszynowego uczenia się

Statystyka Bayesowska i elementy algebry liniowej

Filozoficzne aspekty AI

Filozoficzna teoria poznania i działania

Dzieje filozoficznej refleksji nad naturą ludzką

Historia doktryn etycznych

Etyczna ocena technologii

Teoretyczne podstawy reprezentacji wiedzy

Transhumanizm

Kognitywne aspekty AI

Wprowadzenie do neuronauki poznawczej

Procesy poznawcze

Biologiczne mechanizmy zachowania

Neuroetyka i etyka sztucznej inteligencji

Historia i perspektywy AI

Wprowadzenie do AI

Historia idei AI

Prawne i administracyjne uwarunkowania AI

Społeczny wpływ SI

Umiejętności programistyczne

Nauka programowania

Podstawy programowania

Programowanie w języku Python i R (obowiązkowe)

Programowanie w języku Java i Prolog (opcjonalne)

Specyfikacja logiczna i logika programowania

Inżynieria oprogramowania

Uczenie maszynowe

Algorytmy uczenia maszynowego

Praktyczne wprowadzenie do (głębokich) sieci neuronowych

Programowanie wybranych typów głębokich sieci neuronowych

AI w sztuce (generative art)

Sieci semantyczne

Ontologia w praktyce

Modele reprezentacji wiedzy: RDF, RDFS, OWL, SKOS, XSD

Język kwerend SPARQL

Linked Open Data

Ontologie BFO i DOLCE

Biblioteki Pythona RDFLib i OWLReady2

Przetwarzanie języka naturalnego

Wprowadzenie do NLP

Wektoryzacja tekstów

Algorytmy statystyczne wydobywania treści z tekstu

Zastosowanie sieci neuronowej w NLP

Technika word2vec

Pakiety NLTK, spaCy i sklearn

Praktyka

Projekty programistyczne

Programowanie SI

Laboratorium zastosowań sztucznej inteligencji 

Praktyki

Projekt popularyzatorski (do wyboru)

Projekty PoC

Organizacja studiów

Mapa zajęć na kierunku Sztuczna Inteligencja

Co po studiach
Opinie ekspertów

Co powiedzieli

  • Client Image
    • Mariusza Sagan
    • Urząd Miasta Lublin

    Branżowa dywersyfikacja podmiotów prowadzących działalność w mieście powoduje stale rosnący popyt na specjalistów z wielu dziedzin, a równoległy, dynamiczny postęp technologiczny dokonujący się w otoczeniu sprawia, że pracodawcy poszukują na rynku niestandardowych kompetencji i umiejętności - stąd też nowotworzony kierunek [Sztuczna Inteligencja KUL] wydaje się być doskonałym fundamentem rozwoju zawodowego jego absolwentów.
    rating
  • Client Image
    • Mirek Sopek
    • MakoLab Founder
    Z mojego doświadczenia pochodzącego z działalności jako pracodawca na rynku IT oraz z ogólniejszych obserwacji tego rynku wynika, że absolwenci tak zaprojektowanego kierunku będą przydatnymi pracownikami. Jednocześnie studia dadzą podstawy do dalszego kształcenia w kierunkach bardziej specjalistycznych kompetencji praktycznych oraz przygotowania do pracy naukowej w zakresie sztucznej inteligencji.
    rating
  • Client Image
    • Tomasz Małecki
    • Mentor, Laboratorium Innowacji KUL

    Wśród kadry, która ma prowadzić zajęcia znajdują się osoby, które łączą znajomość teorii z zakresu sztucznej inteligencji z wdrożeniami w sektorze IT, więc studenci otrzymają najnowsze know-how.

    rating