Sztuczna inteligencja – od podstaw do zastosowań

DZIEŃ 1: Podstawy sztucznej inteligencji i uczenia maszynowego

Otwarcie szkolenia + Wprowadzenie do AI i ML [TEORIA]

• Otwarcie, cele, harmonogram, poznanie uczestników

• Czym jest AI, ML i automatyzacja?

• Różnice i podobieństwa – AI vs ML

• Przykłady zastosowań z życia codziennego

Przegląd narzędzi AI (GPT, Gemini, Perplexity) [TEORIA]

• Wersje bezpłatne i płatne ChatGPT

• Alternatywy dla ChatGPT: Gemini, Perplexity i inne

Konfiguracja środowiska ChatGPT [PRAKTYKA]

• Jak konfigurować ustawienia dla lepszych wyników

• Omówienie interfejsu użytkownika

Modele GPT w pracy zespołowej i kreatywnej [PRAKTYKA]

• Jak wykorzystywać modele językowe do pracy w grupach

• GPT w prezentacjach, materiałach wideo, narzędziach pracy

Wprowadzenie do uczenia maszynowego + Pandas [TEORIA]

• Jak działa ML: dane, modele, cechy, etykiety

• Typy uczenia: nadzorowane, nienadzorowane

• Środowisko: Python, Jupyter, Google Colab

• Pandas – podstawy przetwarzania danych

Model ML w praktyce – regresja liniowa [TEORIA+PRAKTYKA]

• Wprowadzenie do regresji liniowej [TEORIA]

• Jak działa, do czego się nadaje [TEORIA]

• Ćwiczenie: predykcja ceny mieszkania [PRAKTYKA]

DZIEŃ 2: Zaawansowane techniki formułowania promptów – 4 fazy

Wprowadzenie i Faza 1 – Intencja (Intention) [TEORIA+PRAKTYKA]

• Czym jest prompt i jak działa model językowy [TEORIA]

• Dlaczego jakość promptu ma znaczenie [TEORIA]

• Intencja: generowanie, analiza, streszczenie, transformacja, strategia [TEORIA]

• Ćwiczenia: rozpoznawanie intencji w promptach [PRAKTYKA]

• Przekształcanie nieprecyzyjnych zapytań [PRAKTYKA]

• Dyskusja: „Co sprawia, że prompt jest dobry?” [TEORIA]

Blok 2: Faza 2 – Kontekst (Context) [TEORIA+PRAKTYKA]

• Rola kontekstu w odpowiedziach AI [TEORIA]

• Role prompting – „Jesteś ekspertem w…” [TEORIA]

• Ograniczenia, zakres, dane wejściowe [TEORIA]

• Rozszerzanie promptów o kontekst [TEORIA]

• Ćwiczenia w parach [PRAKTYKA]

Blok 3: Faza 3 – Forma i Styl (Format) [TEORIA+PRAKTYKA]

• Formatowanie odpowiedzi (punktory, tabelki, e-maile, kod) [TEORIA]

• Styl: techniczny, swobodny, analogie, metafory [TEORIA]

• Tworzenie promptów z określonym formatem [PRAKTYKA]

• Analiza wpływu stylu na odpowiedź [TEORIA]

Blok 4: Faza 4 – Kryteria i Iteracja (Refinement) [TEORIA+PRAKTYKA]

• Weryfikacja odpowiedzi AI [TEORIA]

• Iteracyjne pytania i poprawki [PRAKTYKA]

• Feedback prompting: „Popraw”, „Rozwiń” [PRAKTYKA]

• Techniki: Chain of Thought, Step-by-Step [TEORIA]

• Iteracyjne budowanie promptów [PRAKTYKA]

• Symulacje złożonych zadań [PRAKTYKA]

Blok 5: Zastosowania i symulacje końcowe [TEORIA+PRAKTYKA]

• Praktyczne zastosowanie promptów [PRAKTYKA]

• Praca zespołowa i interdyscyplinarna [PRAKTYKA]

• Pułapki i błędy [TEORIA]

• Grupy zadaniowe: case studies [PRAKTYKA]

• Prezentacja wyników i analiza [PRAKTYKA]

DZIEŃ 3: Budowanie modeli ML + etyka AI

Rozgrzewka i podsumowanie dnia 2 [TEORIA]

• Powtórka i pytania od uczestników

Budowa modelu klasyfikacyjnego [TEORIA]

• Czym jest klasyfikacja

• Praca z danymi: irysy, wina

• Algorytmy: drzewa decyzyjne

Ćwiczenia praktyczne z klasyfikacji [PRAKTYKA]

• Wczytywanie danych

• Trenowanie i ocena modelu

Praca z GPT – przetwarzanie tekstu [PRAKTYKA]

• Praktyczne zastosowania LLM

• Analiza i generowanie tekstu

Generatywna AI – tekst, obraz, kod [TEORIA+PRAKTYKA]

• Czym są LLM i AI generatywna [TEORIA]

• Eksperymenty z ChatGPT, HuggingFace [PRAKTYKA]

• Generowanie tekstu, obrazu, kodu [PRAKTYKA]

• Analiza wyników [TEORIA]

Etyka AI [TEORIA]

• Zagrożenia: fake news, deepfake

• Czy AI nas zastąpi?

Walidacja:

Celem walidacji szkolenia jest weryfikacja, czy uczestnicy osiągnęli zakładane efekty uczenia się w zakresie wiedzy teoretycznej i umiejętności praktycznych związanych z zastosowaniem sztucznej inteligencji (AI), uczenia maszynowego (ML) oraz dużych modeli językowych (LLM). Walidacja opiera się na dwóch uzupełniających się metodach:

1. Test wiedzy teoretycznej

Przeprowadzany po zakończeniu szkolenia test zawierający 60 pytań jednokrotnego wyboru. Test weryfikuje zakres wiedzy merytorycznej przekazanej podczas części teoretycznej i częściowo praktycznej szkolenia.

2. Ewaluacja kompetencji praktycznych

Odbywa się poprzez:

• • aktywny udział w ćwiczeniach praktycznych (np. predykcja ceny mieszkania, trening modelu klasyfikacyjnego, tworzenie promptów, praca w środowisku ChatGPT i Google Colab),
  • pracę zespołową w ramach case studies (dzień 2 i 3),
  • prezentację wyników oraz rozwiązywanie zadań końcowych z użyciem AI.

Weryfikacja umiejętności obejmuje:

• • poprawność zastosowania narzędzi AI/ML,
  • jakość generowanych wyników (tekstów, predykcji, analiz),
  • umiejętność iteracyjnej poprawy promptów,
  • trafność doboru algorytmu do zadania (klasyfikacja, regresja).

Kryteria zaliczenia

Szkolenie uznaje się za zaliczone, gdy uczestnik:

• • osiągnie min. 70% poprawnych odpowiedzi w teście wiedzy,
  • ukończy wszystkie bloki praktyczne oraz aktywnie uczestniczy w ćwiczeniach,
  • weźmie udział w zadaniach grupowych (case studies),
  • zademonstruje umiejętność świadomego korzystania z modeli językowych i narzędzi ML w symulacjach.

Walidacja opiera się na połączeniu pomiaru wiedzy (test) oraz obserwacji umiejętności w działaniu (ćwiczenia, projekty). Taki hybrydowy model pozwala rzetelnie ocenić stopień opanowania treści szkolenia, zarówno w aspekcie teoretycznym, jak i praktycznym.

Teoria 6h, Praktyka – 5h, Teoria+praktyka – 9h15 min, Test wiedzy teoretycznej 30 min

Długopis, notatnik, skrypt. Uczestnicy będą pracować na laptopach, które na czas szkolenia zapewni realizator usługi.

Uczestnik nie musi posiadać doświadczenia oraz wykształcenia w zakresie przedmiotowym szkolenia.

W przypadku szkoleń dofinansowanych warunkiem uczestnictwa w szkoleniach jest założenie przez Uczestnika konta w Bazie Usług Rozwojowych oraz spełnienie warunków, które są przedstawione przez danego Operatora, do którego składane są dokumenty o dofinansowanie do usługi rozwojowej.

Warunkiem ukończenia szkolenia (otrzymanie zaświadczenia o ukończeniu wraz z suplementem zawierającym efekty uczenia się) jest:

• frekwencja na poziomie minimum 80% udokumentowana na liście obecności,
• uzyskanie 70% poprawnych odpowiedzi w teście wiedzy,
• ukończenie wszystkich bloków praktycznych oraz aktywny udział w ćwiczeniach,
• zademonstrowanie umiejętności świadomego korzystania z modeli językowych i narzędzi ML w symulacjach.

Istnieje możliwość zwolnienia usługi z podatku VAT w przypadku, gdy Przedsiębiorca/Uczestnik otrzyma dofinansowanie na poziomie co najmniej 70% ze środków publicznych.