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.