Szkolenie AI SHIFT PRACTITIONER.

Adresaci szkolenia: Szkolenie jest skierowane do właścicieli firm, osób prowadzących działalność gospodarczą, specjalistów IT, kierowników projektów, analityków biznesowych, kadry zarządzającej, pracowników działów sprzedaży, marketingu, HR, obsługi klienta, finansów i logistyki, dyrektorów ds. zgodności (Compliance Officers), oficerów bezpieczeństwa informacji (CISO) oraz wszystkich osób zainteresowanych rozwojem kompetencji w zakresie „Projektowanie i wdrażanie rozwiązań opartych na generatywnej sztucznej inteligencji". Szkolenie jest powiązane z podwyższeniem kwalifikacji zawodowych w zakresie zawodu: „251990 — Pozostali analitycy systemów komputerowych i programiści gdzie indziej niesklasyfikowani".

Warunki organizacyjne:

Liczebność grupy: Minimalnie 1 osoba, maksymalnie 15 osób.

Stanowiska komputerowe: Każdy uczestnik ma zapewnione indywidualne stanowisko komputerowe z dostępem do internetu.

Materiały dydaktyczne: Uczestnicy otrzymają materiały szkoleniowe w formie elektronicznej — prezentacje, skrypty, ćwiczenia.

Czas trwania szkolenia: Szkolenie obejmuje 48 godzin dydaktycznych (lekcyjnych) po 45 minut każda.

Harmonogram dzienny: Zajęcia odbywają się przez 6 dni, po 8 godzin dydaktycznych dziennie (co odpowiada 6 godzinom zegarowym).

Godziny zajęć: Codziennie od 09:00 do 15:15.

Przerwy: Jedna przerwa kawowa 15 minut dziennie, nie wliczana w czas trwania szkolenia.

Ramowy program szkolenia:

Dzień 1 — Architektura i harmonogram wdrożenia AI:

1.1 Wzorce architektoniczne AI i planowanie wdrożenia (09:00 – 10:30) — 2 godz. dydakt.

Wzorce architektoniczne: RAG, fine-tuning, agenci, chain-of-thought. Dobór wzorca do problemu biznesowego. Opracowywanie harmonogramu wdrożenia rozwiązania AI. 

1.2 Wybór stosu technologicznego i planowanie zasobów (10:30 – 12:00) — 2 godz. dydakt.

Decision framework dla wyboru stacku technologicznego. Open-source vs komercyjne. Planowanie zasobów: ludzkich, finansowych, technologicznych i organizacyjnych. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

1.3 Pipeline danych — od źródła do modelu (12:15 – 13:45) — 2 godz. dydakt.

ETL, embeddings, vector stores. Budowanie pipeline danych dla systemu AI. Integracja z istniejącą infrastrukturą organizacji. 

1.4 Bezpieczeństwo i compliance by design — identyfikacja ryzyk (13:45 – 15:15) — 2 godz. dydakt.

OWASP Top 10 for LLM. Bezpieczeństwo AI od projektu. Szyfrowanie, access control, audit trail. Identyfikacja ryzyk wdrożeniowych: technicznych, organizacyjnych, prawnych, finansowych. 

Dzień 2 — Budowanie rozwiązania i zarządzanie zespołem:

2.1 RAG — budowanie bazy wiedzy AI (09:00 – 10:30) — 2 godz. dydakt.

RAG od A do Z: chunking, embeddings, retrieval strategies, re-ranking. Praktyczne budowanie systemu RAG. Zarządzanie zespołem: podział zadań, role, odpowiedzialności. 

2.2 Zaawansowany prompting i integracja API (10:30 – 12:00) — 2 godz. dydakt.

System prompts, guardrails, output parsing, structured outputs. API modeli AI: OpenAI, Anthropic, Google. Autoryzacja, rate limits, error handling. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

2.3 Komunikacja z interesariuszami projektu AI (12:15 – 13:45) — 2 godz. dydakt.

Koordynacja komunikacji między interesariuszami technicznymi i biznesowymi. Raportowanie postępu, zarządzanie oczekiwaniami, eskalacja problemów. No-code prototyping: Cursor, Bolt, Replit — szybkie demo dla stakeholderów. 

2.4 Planowanie sprintu wdrożeniowego (13:45 – 15:15) — 2 godz. dydakt.

Design Thinking + AI: empatia, definiowanie problemu, ideacja, prototypowanie. Planowanie sprintu: cele, deliverables, ryzyka, zasoby. 

Dzień 3 — Prototypowanie, testowanie i kontrola jakości:

3.1 Prototype Sprint — budowanie rozwiązania (09:00 – 10:30) — 2 godz. dydakt.

Praktyczna praca nad prototypem rozwiązania AI. Iteracje, feedback, doskonalenie. 

3.2 Prototype Sprint — kontynuacja i iteracje (10:30 – 12:00) — 2 godz. dydakt.

Kontynuacja budowy prototypu. Identyfikacja odchyleń od planu. Korekty. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

3.3 Testowanie rozwiązania AI — analiza wyników (12:15 – 13:45) — 2 godz. dydakt.

Testowanie rozwiązań AI: metryki jakości, A/B testing, user feedback. Analiza wyników testów: accuracy, latency, hallucinations, edge cases. 

3.4 Incident management — działania korygujące (13:45 – 15:15) — 2 godz. dydakt.

Gdy AI się pomyli — procedury incident management. Rollback, komunikacja. Inicjowanie działań korygujących na podstawie wyników testów i feedbacku. 

Dzień 4 - Stabilizacja rozwiązania i planowanie wdrożenia produkcyjnego:

4.1 Wdrażanie poprawek i optymalizacja rozwiązania (09:00 – 10:30) — 2 godz. dydakt.

Implementacja działań korygujących na podstawie wyników testów z Dnia 3. Optymalizacja rozwiązania: jakość odpowiedzi, latencja, obsługa błędów. Zarządzanie zespołem: weryfikacja postępu, aktualizacja zadań i odpowiedzialności.

4.2 Monitoring postępu i koordynacja komunikacji (10:30 – 12:00) — 2 godz. dydakt.

Monitorowanie realizacji wdrożenia względem harmonogramu i planu zasobów. Identyfikacja odchyleń od planu. Koordynacja komunikacji między interesariuszami — raportowanie statusu i zarządzanie oczekiwaniami.

Przerwa kawowa (12:00 – 12:15) — 15 minut.

4.3 Identyfikacja i zarządzanie ryzykami wdrożeniowymi (12:15 – 13:45) — 2 godz. dydakt.

Przegląd i aktualizacja rejestru ryzyk technicznych, organizacyjnych i finansowych. Planowanie działań zapobiegawczych i korygujących. Strategie reagowania: iteracja, eskalacja, wycofanie zmiany.

4.4 Planowanie przejścia do środowiska produkcyjnego (13:45 – 15:15) — 2 godz. dydakt.

Definiowanie kryteriów gotowości do wdrożenia produkcyjnego. Planowanie zasobów, ról i harmonogramu dla fazy produkcyjnej

Dzień 5 — Od prototypu do produkcji: monitoring i zarządzanie:

5.1 MLOps — monitoring i ewaluacja wdrożenia (09:00 – 10:30) — 2 godz. dydakt.

Deploy, wersjonowanie, alerty, metryki produkcyjne. Monitorowanie postępu realizacji wdrożenia od prototypu do produkcji. 

5.2 Ekonomika AI — planowanie zasobów finansowych (10:30 – 12:00) — 2 godz. dydakt.

Token pricing, caching, model selection. Optymalizacja kosztów. Planowanie zasobów finansowych na etapie produkcji. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

5.3 AI Agenci — zaawansowane architektury wdrożeniowe (12:15 – 13:45) — 2 godz. dydakt.

Od chatbota do autonomii: architektura agentów, pamięć, narzędzia, orkiestracja. Identyfikacja ryzyk związanych z autonomicznymi systemami AI. 

5.4 Multimodalność i skalowanie (13:45 – 15:15) — 2 godz. dydakt.

AI multimodalne: tekst, obraz, głos, wideo. Praktyczne zastosowania w biznesie. Strategie skalowania rozwiązania od 1 zespołu do całej organizacji. 

Dzień 6 — Dokumentacja, prezentacja i test końcowy:

6.1 Skalowanie i koordynacja wielozespołowa (09:00 – 10:30) — 2 godz. dydakt.

Od 1 zespołu do całej organizacji. Standaryzacja, governance, koordynacja między zespołami. 

6.2 Dokumentacja wdrożenia AI (10:30 – 12:00) — 2 godz. dydakt.

Dokumentacja AI: bazy wiedzy, runbooki, onboarding. Przygotowanie dokumentacji wdrożeniowej jako element kontroli jakości. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

6.3 Finalizacja projektu wdrożeniowego (12:15 – 13:45) — 2 godz. dydakt.

Finalizacja projektu. Przegląd: harmonogram, zasoby, ryzyka, testy, działania korygujące. 

6.4 Prezentacja wdrożenia - test końcowy (13:45 – 15:15) — 2 godz. dydakt.

Demo działających projektów. Feedback. Test końcowy PRACTITIONER. Wręczenie zaświadczeń. 

Informacje dodatkowe:

Zajęcia praktyczne: 34h dydaktycznych, zajęcia teoretyczne: 14h dydaktycznych.

Czas trwania: 48 godzin dydaktycznych (po 45 min) w ciągu 6 dni.

Zaświadczenie: Po zakończeniu szkolenia uczestnicy otrzymują zaświadczenie potwierdzające nabyte kompetencje, zgodne z efektami uczenia się kwalifikacji „Projektowanie i wdrażanie rozwiązań opartych na generatywnej sztucznej inteligencji".

Każdy uczestnik kursu będzie miał udostępnione materiały szkoleniowe.

Uczestnik może realizować szkolenie hybrydowo/zdalnie, o ile nie jest to wykluczone przez Operatora dofinansowania.