Specjalista ds. Sztucznej Inteligencji - kurs z egzaminem ICVC (kwalifikacja)

Łączny wymiar szkolenia: 24 godziny dydaktyczne (2 dni po 12 godzin)

Forma zajęć: warsztaty praktyczne, ćwiczenia indywidualne i grupowe, analiza przypadków, mini-projekt końcowy.

Szkolenie realizowane w formie stacjonarnej.

Dzień 1 – Fundamenty sztucznej inteligencji i analiza danych (12 godzin)

Moduł 1. Wprowadzenie do szkolenia i egzaminu ICVC/SSI (0,5 godz.)

• Omówienie celów, programu i zasad walidacji kwalifikacji.
• Zakres kompetencji Specjalisty ds. Sztucznej Inteligencji.

Moduł 2. Podstawy matematyki i statystyki w kontekście AI (1,5 godz.)

• Zastosowanie pojęć: średnia, wariancja, korelacja, regresja, prawdopodobieństwo.
• Rola statystyki w procesie uczenia maszynowego.

Moduł 3. Wprowadzenie do uczenia maszynowego (2 godz.)

• Czym jest Machine Learning – zasady działania i zastosowania.
• Typy algorytmów: nadzorowane, nienadzorowane, wzmacniane.
• Przykłady praktyczne z różnych branż.

Moduł 4. Praca z danymi – przygotowanie i czyszczenie danych (2,5 godz.)

• Źródła danych, formaty plików, import danych.
• Czyszczenie, uzupełnianie braków, standaryzacja i wizualizacja danych.
• Praktyczne ćwiczenia z wykorzystaniem Python / RapidMiner / Excel.

Moduł 5. Narzędzia do analizy danych (2,5 godz.)

• Przegląd narzędzi: Python, Jupyter Notebook, Google Colab, Power BI, RapidMiner.
• Wprowadzenie do środowiska programistycznego – tworzenie pierwszego modelu.

Moduł 6. Podsumowanie dnia (1 godz.)

• Dyskusja, omówienie napotkanych trudności.
• Krótki test wiedzy i refleksja uczestników.

Dzień 2 – Praktyczne zastosowania i projekt AI (12 godzin)

Moduł 7. Budowa modeli uczenia maszynowego (2 godz.)

• Implementacja prostych modeli: regresja liniowa, drzewa decyzyjne, sieci neuronowe.
• Dobór algorytmu do rodzaju problemu.

Moduł 8. Ewaluacja i optymalizacja modeli (2 godz.)

• Metryki skuteczności: accuracy, precision, recall, F1-score.
• Walidacja krzyżowa, overfitting, tuning parametrów.
• Ćwiczenia praktyczne.

Moduł 9. Etyka, prawo i bezpieczeństwo w AI (1,5 godz.)

• Odpowiedzialne stosowanie sztucznej inteligencji.
• Zasady RODO i przetwarzania danych.
• Transparentność i interpretowalność modeli.

Moduł 10. Komunikacja wyników i raportowanie (2 godz.)

• Storytelling danych, wizualizacja wyników, interpretacja raportów.
• Tworzenie raportu końcowego i prezentacji wyników projektu.

Moduł 11. Projekt końcowy – zastosowanie AI w praktyce (3 godz.)

• Zespół uczestników rozwiązuje rzeczywisty problem analityczny z użyciem AI.
• Tworzenie modelu, testowanie, interpretacja wyników.
• Przygotowanie rekomendacji dla klienta (symulacja).

Moduł 12. Podsumowanie i walidacja efektów (1,5 godz.)

• Prezentacja projektów uczestników.
• Ocena pracy i omówienie efektów uczenia się.
• Rekomendacje dalszego rozwoju i przygotowanie do egzaminu ICVC/SSI.

Efekty uczenia się po ukończeniu szkolenia

Uczestnik:

• rozumie podstawowe pojęcia z zakresu matematyki, statystyki i uczenia maszynowego,
• potrafi gromadzić, analizować i interpretować dane,
• zna narzędzia i technologie analityczne wykorzystywane w projektach AI,
• potrafi budować i oceniać modele uczenia maszynowego,
• umie komunikować wyniki analiz i przygotowywać raporty,
• zna zasady etyki, prawa i bezpieczeństwa w obszarze sztucznej inteligencji,
• potrafi pracować w zespole projektowym, prezentować wyniki i argumentować swoje decyzje.

Forma zaliczenia szkolenia

• Test wiedzy teoretycznej (quiz)
• Zadanie praktyczne (projekt modelu AI)
• Prezentacja wyników i raport końcowy

Materiały dydaktyczne przygotowane przez trenera obejmują prezentację multimedialną, ćwiczenia praktyczne oraz skrypt szkoleniowy zawierający omówienie najważniejszych zagadnień z zakresu sztucznej inteligencji i analizy danych.

Materiały udostępniane są w formie elektronicznej po zakończeniu szkolenia.

Uczestnik po ukończeniu zajęć otrzymuje zaświadczenie o ukończeniu szkolenia oraz certyfikat potwierdzający udział i uzyskane kwalifikacji ICVC/SSI 20053.87.

W szkoleniu mogą wziąć udział osoby indywidualne zainteresowane rozwojem kompetencji w zakresie sztucznej inteligencji, analizy danych oraz uczenia maszynowego.

Uczestnik powinien posiadać podstawową znajomość obsługi komputera oraz elementarną wiedzę z zakresu matematyki i statystyki.

Szkolenie ma charakter praktyczny – uczestnicy realizują ćwiczenia oraz zadania projektowe z wykorzystaniem narzędzi analitycznych i środowisk programistycznych.

Wymagane jest, aby każdy uczestnik posiadał własny laptop z dostępem do internetu, umożliwiający pracę w środowisku Python, Jupyter Notebook lub Google Colab (zalecane: minimum 8 GB RAM, przeglądarka Chrome/Edge, aktualny system operacyjny).

Przed rozpoczęciem szkolenia uczestnicy otrzymują informacje dotyczące przygotowania środowiska pracy i instalacji niezbędnych narzędzi.

Podczas zajęć trener zapewnia wsparcie techniczne w zakresie konfiguracji środowiska i pracy z danymi.

Materiały szkoleniowe (prezentacje, ćwiczenia, skrypty) udostępniane są uczestnikom w formie elektronicznej.

Szkolenie kończy się testem wiedzy lub zadaniem praktycznym, a uczestnicy otrzymują zaświadczenie o ukończeniu szkolenia oraz certyfikat potwierdzający nabyte kompetencje oraz kwalifikacji ICVC/SSI 20053.87.