Politechnika Łódzka (PŁ)
Kierunek studiów 2026/2027
Sztuczna inteligencja i uczenie maszynowe
- Łódź
- polski
Wybierz tryb studiów
II stopniamagisterskie
Poziom studiówStudia II stopnia
Czas trwania4 semestry
Tryb studiówStacjonarne
Tytuł zawodowyMagister
Język wykładowypolski
OpłatyBezpłatne
Limit miejsc45 (2025)
MiastoŁódź
Sztuczna inteligencja i uczenie maszynowe — poznaj kierunek bliżej
O kierunku
Studia na kierunku Sztuczna inteligencja i uczenie maszynowe łączą wiedzę kierunkową z zakresu informatyki z rozwiązywaniem problemów właściwych dla tej dziedziny. Program obejmuje programowanie, algorytmy, systemy komputerowe i analizę danych. Poznawanie zagadnień kierunkowych rozwija umiejętności analityczne oraz zdolność łączenia teorii z jej zastosowaniami. Nauka pozwala ćwiczyć ocenę rozwiązań, interpretowanie wyników i samodzielne rozwiązywanie problemów. Zdobyta wiedza przygotowuje do dalszego rozwoju zawodowego oraz pracy nad zadaniami związanymi z wybraną dziedziną.
Dla kogo?
- Osoby zainteresowane zagadnieniami informatyki
- Kandydaci lubiący analizować problemy i szukać rozwiązań
- Osoby chcące rozwijać wiedzę kierunkową i umiejętności praktyczne
Politechnika Łódzka (PŁ) (Łódź) – Czego się nauczysz?
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
- Rozwiązywanie problemów algorytmicznych
- Ocena rozwiązań informatycznych
Program studiów
II stopnia magisterskie · Stacjonarne
1Statystyka w analizie danych
- Opis i analiza danych
- Modele zjawisk losowych
- Wnioskowanie na podstawie obserwacji
2Podstawy Sztucznej Inteligencji
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
3Podstawy uczenia maszynowego
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
4Algorytmika i matematyka uczenia maszynowego
- Metody rachunkowe i zależności matematyczne
- Analiza modeli i własności funkcji
- Rozwiązywanie zadań obliczeniowych
5Metody optymalizacji
- Opis zjawisk i wielkości fizycznych
- Metody pomiaru i interpretacji wyników
- Zastosowania modeli fizycznych
6Etyczne i prawne aspekty informatyki
- Reprezentacja i przetwarzanie informacji
- Metody analizy danych cyfrowych
- Dobór narzędzi do problemu
7Społeczne i ekonomiczne implikacje rewolucji cyfrowej
- Analiza zjawisk gospodarczych
- Narzędzia wspierające decyzje ekonomiczne
- Ocena danych i skutków działań
8Metody sztucznej inteligencji
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
9Uczenie nienadzorowane
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
10Deep Learning Fundamentals
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
11Głębokie uczenie ze wzmocnieniem
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
12Metody probabilistycznej analizy danych
- Opis i analiza danych
- Modele zjawisk losowych
- Wnioskowanie na podstawie obserwacji
13Analiza obrazów cyfrowych
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
14Głębokie Sieci Neuronowe
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
15Uczenie maszynowe w systemach IoT
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
16Systemy współpracy człowiek-AI
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
17Metody sztucznej inteligencji w analizie danych biomedycznych
- Reprezentacja i przetwarzanie informacji
- Metody analizy danych cyfrowych
- Dobór narzędzi do problemu
18Wielkie modele językowe i modele hybrydowe
- Formułowanie założeń rozwiązania
- Opracowanie i porównanie wariantów
- Ocena wyników prac projektowych
19Projekt zespołowy
- Formułowanie założeń rozwiązania
- Opracowanie i porównanie wariantów
- Ocena wyników prac projektowych
20Prompt Engineering
- Projektowanie systemów informatycznych
- Tworzenie oprogramowania
- Analiza danych cyfrowych
Perspektywy zawodowe
Po ukończeniu studiów
Absolwenci mogą rozwijać karierę w firmach informatycznych, działach IT przedsiębiorstw oraz zespołach rozwijających usługi cyfrowe. Wiedza kierunkowa pomaga w analizie problemów i przygotowywaniu rozwiązań dla wybranej branży. Do zadań zawodowych należą także ocena wyników oraz współpraca przy realizacji przedsięwzięć; dalsze kształcenie pozwala rozwijać kompetencje specjalistyczne.
Przykładowe stanowiska
- Programista
- Analityk systemowy
- Projektant oprogramowania
- Specjalista ds. danych
Zasady rekrutacji – Sztuczna inteligencja i uczenie maszynowe (Politechnika Łódzka (PŁ))
Zasady rekrutacji
Kwalifikacja na podstawie średniej ocen ze studiów i rozmowy kwalifikacyjnej.
Terminy rekrutacji 2026/2027
- 02.02.2027Rozpoczęcie rejestracji
- do 22.02.2027Koniec rejestracji
- 24.02.2027 – 25.02.2027Rozmowa kwalifikacyjna
- 01.03.2027Ogłoszenie wyników
- 02.03.2027Składanie dokumentów