Studia AI · Uniwersytet Wrocławski

Sztuczna inteligencja w analizie danych

Licencjat o AI w danych: matematyka, Python, uczenie maszynowe i sieci neuronowe.

Ile tu matematyki?

71%punktów ECTS to matematyka, a 29% to informatyka. Dużo, zwłaszcza na początku.

Czego się nauczysz: przedmioty po semestrach

  1. Semestr 1: Analiza, algebra i pierwszy Python (28 ECTS): Analiza matematyczna 1 (AI), Algebra liniowa 1 (AI), Wstęp do matematyki, Podstawowy warsztat AI, BHP
  2. Semestr 2: Więcej matematyki i programowanie (32 ECTS): Analiza matematyczna 2 (AI), Algebra liniowa 2 (AI), Programowanie 1 (Python), Wizualizacja danych, Projektowanie kariery zawodowej, Przedmiot z nauk humanistycznych lub społecznych, Lektorat języka obcego
  3. Semestr 3: Prawdopodobieństwo, grafy i pierwszy wybór (27 ECTS): Rachunek prawdopodobieństwa, Grafy i algorytmy, Programowanie 2 (Python), Lektorat języka obcego, Wychowanie fizyczne; do wyboru: Przedmiot matematyczny lub informatyczny (1) (Dyskretny rachunek prawdopodobieństwa, Kombinatoryka R, Szeregi i transformata Fouriera, Modelowanie stochastyczne, Programowanie matematyczne i optymalizacja, Równania różniczkowe 1, Symulacje i algorytmiczne zastosowania łańcuchów Markowa, Teoria gier, Teoria grafów, Teoria wartości ekstremalnych, Wprowadzenie do symulacji i metod Monte Carlo, Wstęp do inżynierii finansowej, Wstęp do matematyki ubezpieczeniowej, Wstęp do zastosowań analizy falkowej)
  4. Semestr 4: Statystyka i uczenie maszynowe (33 ECTS): Podstawy statystyki, Uczenie maszynowe, Zaawansowany warsztat AI, Lektorat języka obcego, Wychowanie fizyczne; do wyboru: Przedmiot z kategorii Programowanie (Bazy danych, Programowanie 1 (C++), Programowanie 2 (C++), Wprowadzenie do R)
  5. Semestr 5: Sieci neuronowe i wybory (32 ECTS): Najnowsze osiągnięcia i zastosowania z dziedziny AI, Sieci neuronowe; do wyboru: Przedmiot z kategorii Analiza danych (Analiza dużych zbiorów danych, Statistical learning / Zaawansowane metody uczenia statystycznego, Statystyka, Zaawansowane modele liniowe, Szeregi czasowe); do wyboru: Przedmioty matematyczne lub informatyczne (2-4) (Dyskretny rachunek prawdopodobieństwa, Kombinatoryka R, Szeregi i transformata Fouriera, Modelowanie stochastyczne, Programowanie matematyczne i optymalizacja, Równania różniczkowe 1, Symulacje i algorytmiczne zastosowania łańcuchów Markowa, Teoria gier, Teoria grafów, Teoria wartości ekstremalnych, Wprowadzenie do symulacji i metod Monte Carlo, Wstęp do inżynierii finansowej, Wstęp do matematyki ubezpieczeniowej, Wstęp do zastosowań analizy falkowej)
  6. Semestr 6: Projekt zespołowy i egzamin dyplomowy (28 ECTS): Projekt zespołowy, Ochrona własności intelektualnej, Egzamin dyplomowy; do wyboru: Przedmioty matematyczne lub informatyczne (5-7) (Dyskretny rachunek prawdopodobieństwa, Kombinatoryka R, Szeregi i transformata Fouriera, Modelowanie stochastyczne, Programowanie matematyczne i optymalizacja, Równania różniczkowe 1, Symulacje i algorytmiczne zastosowania łańcuchów Markowa, Teoria gier, Teoria grafów, Teoria wartości ekstremalnych, Wprowadzenie do symulacji i metod Monte Carlo, Wstęp do inżynierii finansowej, Wstęp do matematyki ubezpieczeniowej, Wstęp do zastosowań analizy falkowej)

Kim możesz zostać

Zanim się zdecydujesz

Dokumenty kierunku

Nieoficjalne opracowanie Grzegorza Wysockiego na podstawie dokumentów uczelni, stan na 2026-11-03. Porównanie wszystkich kierunków: Analiza kierunków z AI.