Praktyczne Wdrożenia Machine Learning i Automatyzacji Procesów
Praktyczne Wdrożenia Machine Learning i Automatyzacji Procesów
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Grupa docelowa usługi
Szkolenie jest skierowane do pracodawców i pracowników, pracowników działów IT, programistów, młodszych developerów oraz specjalistów technicznych z podstawową znajomością programowania, którzy chcą rozwinąć kompetencje w zakresie budowy i wdrażania rozwiązań AI i RPA. Uczestnicy powinni znać podstawy Pythona i mieć ogólne zrozumienie pracy z danymi, ponieważ kurs koncentruje się na praktycznym wykorzystaniu narzędzi takich jak scikit-learn, UiPath czy Power Automate.
- Minimalna liczba uczestników2
- Maksymalna liczba uczestników20
- Data zakończenia rekrutacji28-08-2025
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi25
- Podstawa uzyskania wpisu do BURZnak Jakości TGLS Quality Alliance
Cel
Cel
Cel edukacyjny
Celem szkolenia jest wykwalifikowanie uczestników w praktyczne umiejętności budowania i wdrażania rozwiązań z zakresu uczenia maszynowego i automatyzacji procesów z użyciem narzędzi RPA. Uczestnicy nauczą się trenować modele ML, tworzyć boty automatyzujące zadania biurowe oraz wdrażać i monitorować gotowe rozwiązania w środowisku produkcyjnym. Szkolenie opiera się na pracy z popularnymi narzędziami, takimi jak Python, scikit-learn, Flask, UiPath czy Power Automate.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
Efekty uczenia się Uczestnik rozróżnia typy algorytmów ML i botów RPA oraz rozumie podstawowe pojęcia techniczne. | Kryteria weryfikacji Poprawne odpowiedzi w teście teoretycznym z definicji, zastosowania, klasyfikacji algorytmów i botów | Metoda walidacji Test teoretyczny |
Efekty uczenia się Uczestnik potrafi skonfigurować środowisko ML i RPA do pracy z modelami i botami. | Kryteria weryfikacji Zainstalowanie niezbędnych narzędzi (Python, Jupyter, biblioteki ML, UiPath lub Power Automate) i wykonanie prostego zadania testowego. | Metoda walidacji Obserwacja w warunkach rzeczywistych |
Efekty uczenia się Uczestnik tworzy bota automatyzującego zadania biurowe z obsługą wyjątków i integracją. | Kryteria weryfikacji Prezentacja gotowego bota realizującego wskazany proces np. uzupełnianie danych w Excelu. | Metoda walidacji Prezentacja |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
Moduł 1: Fundamenty Machine Learning i RPA
- Wprowadzenie do Machine Learning: Podstawy algorytmów (regresja, klasyfikacja, grupowanie), typy uczenia (nadzorowane, nienadzorowane).
- Wprowadzenie do RPA: Architektura narzędzi RPA, różnice między botami nienadzorowanymi a nadzorowanymi.
- Warsztat: Konfiguracja Środowiska Deweloperskiego (Python, Jupyter Notebook, biblioteki ML jak scikit-learn, Pandas) i Tworzenie Pierwszego Skryptu RPA (np. z UiPath Community Edition lub Power Automate Desktop): Uczestnicy instalują niezbędne narzędzia i wykonują proste zadania w obu obszarach.
Moduł 2: Budowanie Modeli ML i Tworzenie Botów RPA
- Budowanie Modeli Klasyfikacyjnych/Regresyjnych: Proces od przygotowania danych do oceny modelu. Omówienie metryk.
- Zaawansowane Techniki RPA: Obsługa wyjątków, integracja z systemami zewnętrznymi, wykorzystanie OCR i przetwarzania języka naturalnego w RPA.
- Warsztat: Implementacja Modelu ML w Pythonie: Uczestnicy budują i trenują prosty model ML do rozwiązania konkretnego problemu (np. klasyfikacja spamu, przewidywanie cen).
- Warsztat: Tworzenie Bota RPA do Automatyzacji Procesów Biurowych: Uczestnicy tworzą bota, który automatyzuje zadania takie jak wprowadzanie danych do arkuszy kalkulacyjnych czy generowanie raportów.
Moduł 3: Wdrażanie, Optymalizacja i Monitoring
- Wdrażanie Modeli ML do Produkcji: Omówienie MLOps, kontenerów (Docker) i orkiestracji (Kubernetes – podstawy).
- Monitoring i Utrzymanie Rozwiązań AI/RPA: Jak monitorować wydajność modeli i botów, jak zarządzać aktualizacjami i błędami.
- Warsztat: Wdrożenie Prostego Modelu ML jako API (np. za pomocą Flask lub FastAPI) i Testowanie Bota RPA w Symulowanym Środowisku Produkcyjnym: Uczestnicy pracują nad wdrożeniem swoich rozwiązań i testowaniem ich w praktycznych scenariuszach.
Szkolenie obejmuje 25 godzin dydaktycznych, z czego 5h to teoria, natomiast 20h to zajęcia praktyczne. 1 godzina dydaktyczna to 45 min.
Aby ukończyć szkolenie, uczestnik musi być obecny na co najmniej 80% godzin szkoleniowych oraz pozytywnie zdać test (poprawne odpowiedzi w co najmniej 80%).
Harmonogram
Harmonogram
| Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 4 Moduł 1 | Prowadzący Grzegorz Pochopień | Data realizacji zajęć 01-09-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 2 z 4 Moduł 2 | Prowadzący Grzegorz Pochopień | Data realizacji zajęć 02-09-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 3 z 4 Moduł 3 | Prowadzący Grzegorz Pochopień | Data realizacji zajęć 03-09-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:30 | Liczba godzin 08:30 |
Przedmiot / temat zajęć 4 z 4 Walidacja | Prowadzący - | Data realizacji zajęć 03-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 18:00 | Liczba godzin 00:30 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 3 125,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 3 125,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 125,00 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 125,00 PLN |
Prowadzący
Prowadzący
Grzegorz Pochopień
Specjalizuje się w dostarczaniu kompleksowych rozwiązań AI, chmurowych i IoT, ściśle dopasowanych do potrzeb biznesowych klientów. Zarządzał wdrożeniami systemów opartych na GenAI, chatbotach, automatyzacji procesów i analizie danych w chmurze (AWS, Azure), pełniąc również role liderskie (m.in. RTE) w środowiskach zwinnych (SAFe, OKR). Posiada doświadczenie w pracy z multidyscyplinarnymi zespołami, w tym inżynierami AI, architektami chmurowymi, UX designerami i menedżerami biznesowymi.
Jest znany z doskonałych umiejętności komunikacyjnych, umiejętności budowania zespołów i silnego nastawienia na rezultat. Poprzez prowadzone szkolenia wzmacnia umiejętności uczestników, pomagając im lepiej współpracować i skuteczniej osiągać wyznaczone cele. Regularnie przekracza oczekiwania interesariuszy, zapewniając wysoką jakość dostarczanych rozwiązań i wspierając organizacje w osiąganiu strategicznych celów technologicznych.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Aby skorzystać ze szkolenia, uczestnik powinien znać podstawy obsługi komputera.
Warunki uczestnictwa
Aby skorzystać ze szkolenia, uczestnik powinien znać podstawy obsługi komputera.
Uczestnik powinien znać podstawy Pythona i mieć ogólne zrozumienie pracy z danymi, ponieważ kurs koncentruje się na praktycznym wykorzystaniu narzędzi takich jak scikit-learn, UiPath czy Power Automate.
Warunki techniczne
Warunki techniczne
- Procesor 2-rdzeniowy 2GHz lub lepszy (zalecany 4-rdzeniowy);
- 2GB pamięci RAM (zalecane 4GB)
- System operacyjny Windows 8 (zalecany Windows 10),
Mac OS wersja 10.13 (zalecana najnowsza wersja)
- Przeglądarka internetowa Google Chrome (zalecana), Mozilla Firefox lub Safari (zaktualizowane do najnowszej wersji)
- Stałe łącze internetowe o prędkości 1,5 Mbps (zalecane 2,5 Mbps z obrazem w jakości HD)
- kamera, mikrofon oraz głośniki lub słuchawki - wbudowane lub zewnętrzne
Aplikacja Clikmeeting/ZOOM lub inna w zależności do platformy szkoleniowej. Link do szkolenia zostanie przekazany uczestnikom drogą mailową najpóźniej w przeddzień rozpoczęcia szkolenia. Dane dostępowe do usługi zostaną opublikowane w karcie usługi nie później niż w przeddzień rozpoczęcia szkolenia.