Specjalista ds. sztucznej inteligencji (AI), uczenia maszynowego (ML) i chatbotów

Efektem realizacji usługi szkoleniowej jest nabycie przez uczestników podstawowych kompetencji w zakresie analizy danych oraz wykorzystania metod sztucznej inteligencji i uczenia maszynowego z użyciem języka Python. Uczestnicy potrafią przygotować dane do analizy, zastosować wybrane algorytmy uczenia maszynowego, przeprowadzić trening i ocenę prostych modeli oraz wykorzystać je w nieskomplikowanych scenariuszach aplikacyjnych, w tym w obszarze przetwarzania danych tekstowych i prostych rozwiązań opartych o NLP.

Osiągnięcie efektu usługi weryfikowane jest poprzez realizację zadań praktycznych polegających na przygotowaniu zbioru danych, podziale na zbiory treningowe i testowe, trenowaniu modeli uczenia maszynowego oraz interpretacji uzyskanych wyników. Kryterium weryfikacji stanowi poprawność wykonanych działań, zgodność zastosowanych metod z założeniami zadania, umiejętność rozpoznania problemów takich jak overfitting i underfitting oraz prawidłowe zastosowanie podstawowych metod walidacji modeli.

Dodatkowym kryterium potwierdzającym osiągnięcie efektu usługi jest umiejętność zaprezentowania przez uczestnika przebiegu analizy, zastosowanych algorytmów oraz uzyskanych rezultatów w sposób logiczny i zrozumiały. Efekt usługi uznaje się za osiągnięty, jeżeli uczestnik potrafi samodzielnie wykonać prostą analizę danych lub model AI zgodnie z określonym celem oraz uzasadnić zastosowane rozwiązania.

Potwierdzenie osiągnięcia efektu usługi realizowane jest poprzez zaplanowany i spójny proces dokumentowania działań podejmowanych przez uczestników w trakcie realizacji szkolenia oraz ocenę rezultatów końcowych po jego zakończeniu. Proces ten umożliwia jednoznaczne potwierdzenie, że uczestnicy osiągnęli zakładane efekty usługi określone w opisie efektu oraz efektach uczenia się.

Podstawową metodą potwierdzania osiągnięcia efektu usługi jest realizacja zadań praktycznych wykonywanych przez uczestników w trakcie zajęć. Zadania obejmują przygotowanie danych do analizy, podział danych na zbiory treningowe i testowe, trenowanie prostych modeli uczenia maszynowego, ocenę ich jakości oraz interpretację uzyskanych wyników. Realizacja zadań dokumentowana jest poprzez przygotowane pliki robocze, kod źródłowy oraz rezultaty analiz.

Istotnym elementem procesu potwierdzania efektu usługi jest obserwacja pracy uczestników prowadzona przez osobę prowadzącą szkolenie w trakcie zajęć praktycznych. Obserwacji podlega poprawność merytoryczna wykonywanych działań, zgodność zastosowanych metod z założeniami zadań, samodzielność uczestników oraz umiejętność rozwiązywania problemów pojawiających się w trakcie pracy z narzędziami AI i ML.

Dodatkową metodą potwierdzania osiągnięcia efektu usługi jest prezentacja wykonanych analiz lub modeli przez uczestników. Uczestnicy omawiają zastosowane rozwiązania, przebieg analizy oraz wnioski wynikające z uzyskanych rezultatów, co pozwala na ocenę stopnia zrozumienia omawianych zagadnień.

Proces potwierdzania osiągnięcia efektu usługi obejmuje również przekazanie uczestnikom informacji zwrotnej po zakończeniu szkolenia, wskazującej zakres opanowanych kompetencji oraz obszary wymagające dalszego samodzielnego doskonalenia. Zastosowane metody umożliwiają rzetelne i jednoznaczne potwierdzenie osiągnięcia efektu usługi.

Szkolenie realizowane jest w wymiarze 16 godzin zegarowych i obejmuje zajęcia teoretyczne oraz praktyczne. W ramach usługi przewidziano 45 minut przerwy na dzień. Przerwy wliczone są w całkowity czas trwania szkolenia.

Szkolenie realizowane jest w formule online w czasie rzeczywistym. Uczestnicy korzystają z własnych komputerów oraz dostępu do Internetu. Organizator zapewnia szczegółowe instrukcje instalacji i konfiguracji niezbędnego środowiska pracy, w tym interpretera języka Python, edytora kodu (np. Visual Studio Code) oraz bibliotek wykorzystywanych do analizy danych i uczenia maszynowego.

Przed rozpoczęciem szkolenia uczestnicy otrzymują materiały instruktażowe dotyczące przygotowania środowiska lokalnego, co umożliwia sprawne rozpoczęcie zajęć oraz aktywny udział w części praktycznej. W trakcie szkolenia praca odbywa się w środowisku lokalnym uczestnika z wykorzystaniem aktualnych i powszechnie stosowanych narzędzi analitycznych oraz bibliotek Python.

Udział w szkoleniu umożliwia zdobycie kompetencji w zakresie analizy danych oraz wykorzystania metod sztucznej inteligencji i uczenia maszynowego do tworzenia prostych rozwiązań informatycznych, w tym modeli predykcyjnych oraz podstawowych rozwiązań opartych o przetwarzanie języka naturalnego.

Zakres tematyczny szkolenia

W trakcie szkolenia uczestnicy poznają m.in.:

• wprowadzenie do analizy danych, sztucznej inteligencji i uczenia maszynowego,
• podstawowe pojęcia i mechanizmy działania AI oraz ML,
• przygotowanie i wstępne przetwarzanie danych do analizy,
• pracę z danymi w języku Python,
• podział danych na zbiory treningowe i testowe,
• trenowanie modeli uczenia maszynowego typu supervised learning,
• zastosowanie algorytmów regresji i klasyfikacji,
• ocenę jakości modeli oraz podstawowe metody walidacji,
• problem overfittingu i underfittingu,
• wykorzystanie popularnych bibliotek do uczenia maszynowego (np. scikit-learn),
• podstawy analizy danych tekstowych i przetwarzania języka naturalnego,
• przygotowanie danych tekstowych do analizy,
• realizację zadania podsumowującego – prostego projektu AI lub ML,
• omówienie i prezentację rezultatów wykonanych analiz lub modeli.

Cele szkolenia

Celem szkolenia jest:

• zdobycie wiedzy z zakresu analizy danych, sztucznej inteligencji i uczenia maszynowego,
• opanowanie podstaw pracy z językiem Python w kontekście AI i ML,
• nabycie umiejętności przygotowywania danych oraz trenowania prostych modeli,
• rozwój kompetencji w zakresie interpretacji wyników analiz i modeli,
• przygotowanie do dalszego rozwoju kompetencji w obszarze nowoczesnych technologii opartych o dane.

Dodatkowo uczestnicy rozwiną umiejętności:

• samodzielnej pracy z danymi i narzędziami analitycznymi,
• logicznego rozwiązywania problemów analitycznych,
• oceny jakości modeli uczenia maszynowego,
• prezentowania wyników analiz i modeli,
• świadomego wykorzystania narzędzi AI w praktycznych scenariuszach.

Forma realizacji szkolenia

Zajęcia prowadzone są w formie warsztatowej z elementami wykładu. Szkolenie realizowane jest w formule online w czasie rzeczywistym. Każdy uczestnik pracuje samodzielnie na przygotowanych zestawach danych lub własnych danych, a efekty pracy są na bieżąco omawiane z prowadzącym. Uczestnicy otrzymują dostęp do materiałów szkoleniowych w formacie PDF, zestawów danych, plików roboczych oraz przykładowych fragmentów kodu.

Uczestnicy szkolenia otrzymują dostęp do materiałów dydaktycznych wspierających realizację programu szkolenia oraz umożliwiających samodzielną pracę w trakcie i po zakończeniu usługi. Materiały przekazywane są w formie elektronicznej i udostępniane uczestnikom przed rozpoczęciem szkolenia oraz w jego trakcie.

W ramach materiałów uczestnicy otrzymują prezentacje szkoleniowe obejmujące omawiane zagadnienia teoretyczne, instrukcje dotyczące instalacji i konfiguracji środowiska pracy w języku Python, opisy wykorzystywanych narzędzi i bibliotek do analizy danych oraz uczenia maszynowego, a także zestawy danych wykorzystywane podczas ćwiczeń praktycznych. Uczestnicy mają również dostęp do przykładowych plików roboczych, fragmentów kodu oraz instrukcji realizacji zadań praktycznych.

Materiały umożliwiają utrwalanie zdobytej wiedzy oraz samodzielne powtarzanie omawianych zagadnień po zakończeniu szkolenia. Udostępnione pliki stanowią bazę do dalszego rozwijania kompetencji w zakresie analizy danych oraz pracy z narzędziami opartymi o sztuczną inteligencję i uczenie maszynowe.

Warunkiem ukończenia szkolenia jest udział w co najmniej 80% czasu trwania zajęć. Frekwencja jest monitorowana w trakcie realizacji usługi.

Uczestnicy kursu nie muszą posiadać wcześniejszego doświadczenia w zakresie programowania. Szkolenie rozpoczyna się od podstaw i jest dostosowane do osób początkujących.

Po spełnieniu warunku frekwencji uczestnicy otrzymują certyfikat potwierdzający udział w szkoleniu oraz dostęp do materiałów szkoleniowych.

Szkolenie realizowane jest w formule online w czasie rzeczywistym z wykorzystaniem komunikatora internetowego Google Meet.

Minimalne wymagania dotyczące łącza internetowego wynoszą co najmniej 1 Mb/s, umożliwiające stabilne połączenie w trakcie zajęć online.

Do udziału w szkoleniu wymagane jest posiadanie systemu operacyjnego Windows 7, 8 ,10 lub 11 oraz aktualnej wersji jednej z przeglądarek internetowych: Google Chrome.

Uczestnik powinien posiadać również słuchawki oraz głośniki (lub słuchawki z mikrofonem), umożliwiające komfortowy odbiór dźwięku i udział w komunikacji podczas zajęć.

Połączenie zdalne realizowane jest bezpośrednio za pośrednictwem komunikatora lub poprzez kliknięcie w link do spotkania udostępniony przez organizatora. Szczegółowa instrukcja instalacji i konfiguracji niezbędnego oprogramowania zostanie przekazana uczestnikom przed rozpoczęciem szkolenia.