1 rok 2 stopnia sem. letni Informatyka spec. Technologie Internetowe i Mobilne (grupa przedmiotów zdefiniowana przez Wydział Informatyki)
|
Legenda
Jeśli przedmiot jest prowadzony w danym cyklu dydaktycznym, to w odpowiedniej komórce pojawi się koszyk rejestracyjny. Ikona koszyka zależy od tego, czy możesz się rejestrować na dany przedmiot.
- nie jesteś zalogowany 
- aktualnie nie możesz się rejestrować 
- możesz się zarejestrować 
- możesz się wyrejestrować (lub wycofać prośbę) 
- złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać) 
- jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.
2023 - Rok akademicki 2023/24 2024 - Rok akademicki 2024/25 2025 - Rok akademicki 2025/26 (zajęcia mogą być semestralne, trymestralne lub roczne) |
Opcje | ||||||
|---|---|---|---|---|---|---|---|
| 2023 | 2024 | 2025 | |||||
| 510-IS2-1BDPA-23 |
 
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Architektury i typy danych. Algorytmy przetwarzania danych w dużej skali. Techniki optymalizacji przetwarzania danych. Systemy rozproszonego przechowywania i przetwarzania danych. Przetwarzanie danych w chmurze. |
|
||
| 510-IS2-1GUM-23-ENG | brak | brak |
|
Zajęcia przedmiotu
Rok akademicki 2025/26
Grupy przedmiotu
Skrócony opis
Definition of deep neural networks as a specific paradigm of machine learning, optimisation and modelling. Definition of model parameters and hyperparameters. Discussion of the modular characteristics of deep models. Description of the most important and most frequently used elements of deep neural networks, including dense, convolutional, aggregation, folding, reduction and residual layers. Non-linear and normalising components. Loss function and characteristics of the most commonly used loss functions. Learning through hetero- and auto-association. Implementation of deep neural network algorithms. Deep unsupervised learning models, in particular for cluster analysis. Generative models (GAN). LSTM, GRU. Large Language Modles. |
|
||
| 510-IS2-1TXP-23 |
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Opis języka XML. Poprawność składniowa i strukturalna. DTD. Języki uzupełniające XML. Schematy XML. Obiektowy model dokumentu XML. Opis języka JSON. Schematy JSON. Opis języków YAML i TOML. Formaty binarne serializacji. |
|
||
| 510-IS2-1GUM-23 |
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Definicja głębokich sieci neuronowych jako specyficznego paradygmatu uczenia maszynowego, optymalizacji i modelowania. Definicja parametrów i hiperparametrów modeli. Omówienie modułowych charakterystyk modeli głębokich. Opis najważniejszych i najczęściej używanych elementów głębokich sieci neuronowych, w tym warstw gęstych, splotowych, agregujących, fałdujących, redukujących i resztkowych. Komponenty nieliniowe i normalizujące. Funkcja straty i charakterystyka najczęściej stosowanych funkcji straty. Uczenie się poprzez hetero- i autoasocjację. Implementacja algorytmów głębokich sieci neuronowych. Głębokie modele uczenia się bez nadzoru, w szczególności do analizy skupień. Modele generatywne (GAN). |
|
||
| 510-IS2-1JAI-23 |
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Posługiwanie się językiem obcym w sytuacjach pracy zawodowej informatyka, a także kształtowanie umiejętności rozumienia i stosowania zaawansowanej terminologii informatycznej (sieci komputerowe, systemy operacyjne, urządzenia elektroniczne, bezpieczeństwo danych i systemów komputerowych, systemy komunikacyjne, inżynieria komputerowa, rozwój technik informacyjnych). |
|
||
| 510-IS2-1MOR-23 |
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Przedmiot ma za zadanie wprowadzenie studentów w zagadnienia nowoczesnych obliczeń naukowych realizowanych przy pomocy akceleratorów opartych na procesorach graficznych. W ramach wykładu zostaną omówione podstawy teoretyczne a w trakcie ćwiczeń studenci zdobędą praktyczną wiedzę w zakresie analizy algorytmów obliczeniowych, wyodrębniania kerneli obliczeniowych i ich przenoszenia na koprocesor graficzny z wykorzystaniem języka CUDA. |
|
||
| 510-IS2-1MSR-23 |
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Treści przedmiotu: Zbiory rozmyte, rozmytość a przypadkowość, rodzaje funkcji przynależności zbiorów rozmytych, działania arytmetyczne na liczbach rozmytych, zasada rozszerzania, podstawowe modele rozmyte, rozmyte modele neuronowe, sterowanie rozmyte z wykorzystaniem modeli rozmytych. Celem przedmiotu jest zapoznanie studenta z modelowaniem rozmytym. |
|
||
| 510-IS2-1SE-23-ENG | brak | brak |
|
Zajęcia przedmiotu
Rok akademicki 2025/26
Grupy przedmiotu
Skrócony opis
Nie podano opisu skróconego, przejdź do strony przedmiotu aby uzyskać więcej danych.
|
|
||
| 510-IS2-1SE-23 |
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Reprezentowanie wiedzy oraz wnioskowanie i podejmowanie decyzji z użyciem reguł i faktów. Architektura i zasada działania systemu wykorzystującego silnik regułowy. Zastosowania podejścia regułowego. Systemy eksperckie-ekspertowe i oparte na wiedzy a systemy reguł biznesowych i oprogramowanie BRMS. Przegląd technologii do tworzenia systemów regułowych i eksperckich. Metody pozyskiwania wiedzy, konstruowania reguł i faktów. Problemy w przetwarzaniu reguł: rozstrzyganie konfliktów i modelowanie niepewności. Hybrydowe systemy sztucznej inteligencji wykorzystujące jawne reprezentowanie wiedzy. Celem przedmiotu jest zapoznanie studentów z - zasadami działania systemów ekspertowych (opartych na wiedzy) i systemów informatycznych wykorzystujących reguły, - obszarami zastosowań systemów opartych na wiedzy/regułach biznesowych, oraz rozwinięcie umiejętności projektowania i implementowania praktycznych systemów wykorzystujących reguły, z użyciem wybranych technologii. |
|
||
| 510-IS2-1TMO-23 |
|
|
|
Zajęcia przedmiotu
Rok akademicki 2023/24
Grupy przedmiotu
Skrócony opis
Założenia i cele przedmiotu: Celem przedmiotu jest zapoznanie studentów z nowoczesnymi technologiami mobilnymi i ich możliwościami aplikacyjnymi. Treści kształcenia: pozycjonowanie i nawigacja użytkowników mobilnych; system nawigacji satelitarnej GPS; systemy komórkowe - architektura i działanie systemu; systemy łączności bezprzewodowej; złożone problemy przetwarzania mobilnego; mobile IP; bezprzewodowe sieci LAN. |
|
||
