Specjalista ds. sztucznej inteligencji. Szkolenie. Kwalifikacje.
Specjalista ds. sztucznej inteligencji. Szkolenie. Kwalifikacje.
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Projektowanie graficzne i wspomagane komputerowo
- Grupa docelowa usługi
Usługa skierowana jest do osób dorosłych zainteresowanych nabyciem lub podniesieniem kompetencji w zakresie wykorzystania sztucznej inteligencji (AI) i technologii cyfrowych w pracy zawodowej. Obejmuje pracowników firm, przedsiębiorców, osoby planujące przebranżowienie oraz wszystkich chcących wykorzystać AI w analizie danych, tworzeniu treści i automatyzacji procesów. Wymagane są podstawowe kompetencje cyfrowe.
- Minimalna liczba uczestników2
- Maksymalna liczba uczestników20
- Data zakończenia rekrutacji03-07-2026
- Forma prowadzenia usługistacjonarna
- Liczba godzin usługi16
- Podstawa uzyskania wpisu do BURCertyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych
Cel
Cel
Cel edukacyjny
Usługa przygotowuje uczestnika do wykorzystania sztucznej inteligencji w analizie danych i tworzeniu treści cyfrowych, poprzez dobór i implementację technik uczenia maszynowego, przygotowanie i przetwarzanie danych, budowę i optymalizację modeli, interpretację wyników oraz ich prezentację, z uwzględnieniem zasad etycznych, współpracy zespołowej i efektywnej organizacji pracy.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Rozróżnia algorytmy uczenia maszynowego oraz ich zastosowanie w optymalizacji zasobów i redukcji odpadów | Wskazuje różnice między algorytmami nadzorowanymi i nienadzorowanymi w kontekście analiz środowiskowych | Test teoretyczny |
| Wymienia sposoby wykorzystania modeli predykcyjnych do minimalizacji nadprodukcji i zużycia energii | Test teoretyczny | |
| Wyjaśnia wpływ przetwarzania danych na zużycie energii i emisje dwutlenku węgla w systemach AI | Charakteryzuje związek między wielkością zbiorów treningowych a zapotrzebowaniem energetycznym infrastruktury | Test teoretyczny |
| Opisuje metody redukcji śladu węglowego modelowania sztucznej inteligencji | Test teoretyczny | |
| Klasyfikuje rodzaje danych środowiskowych i sposoby ich integracji w modelach prognostycznych | Rozróżnia dane sensoryczne, satelitarne i stacjonarne używane w monitorowaniu ekologicznym | Test teoretyczny |
| Wymienia wskaźniki zrównoważonego rozwoju, które mogą być zmiennymi w algorytmach AI | Test teoretyczny | |
| Opisuje zasady ekonomii o obiegu zamkniętym i możliwości zastosowania AI w optymalizacji cyklu życia produktu | Charakteryzuje etapy cyklu życia produktu, w których AI wspiera podejmowanie decyzji ekologicznych | Test teoretyczny |
| Wyjaśnia, w jaki sposób systemy rekomendacyjne mogą wspierać konsumpcję odpowiedzialną | Test teoretyczny | |
| Opracowuje modele predykcyjne AI uwzględniające parametry środowiskowe i wskaźniki zrównoważonego rozwoju w danej dziedzinie | Projektuje model AI, który integruje co najmniej trzy zmienne środowiskowe w funkcji rankingowej lub celu optymalizacji | Analiza dowodów i deklaracji |
| Dokumentuje, w jaki sposób model wspiera zmniejszenie negatywnego wpływu na środowisko w praktyce biznesowej | Analiza dowodów i deklaracji | |
| Dobiera i konfiguruje algorytmy oraz architektury sieci neuronowych w celu zminimalizowania zużycia energii obliczeniowej przy zachowaniu wymaganych standardów dokładności | Porównuje wymaganą moc obliczeniową różnych architektur modeli i uzasadnia wybór rozwiązania bardziej energooszczędnego | Analiza dowodów i deklaracji |
| Demonstruje zastosowanie technik kompresji modelu lub uczenia transferowego (transfer learning) w praktycznym projekcie | Analiza dowodów i deklaracji | |
| Analizuje dane oraz wybiera optymalny rozmiar zbiorów treningowych, aby uniknąć nadprodukcji danych i zmniejszyć ślad węglowy procesu uczenia | Przeprowadza analizę porównawczą wpływu wielkości zbioru treningowego na dokładność i koszty zasobów | Analiza dowodów i deklaracji |
| Dokumentuje decyzje dotyczące eliminacji zbędnych danych i uzasadnia ich znaczenie dla efektywności zasobów | Analiza dowodów i deklaracji | |
| Wdraża systemy monitorowania i raportowania wpływu modeli AI na środowisko oraz identyfikuje możliwości optymalizacji i redukcji zasobów | Opracowuje wskaźniki mierzące zużycie energii, emisje i dane związane z wdrażaniem modelu AI | Analiza dowodów i deklaracji |
| Prezentuje raport analityczny zawierający rekomendacje dotyczące zmniejszenia negatywnego wpływu na środowisko | Analiza dowodów i deklaracji | |
| Komunikuje wyniki badań oraz rekomendacje dotyczące zrównoważonego rozwoju AI w zrozumiałej formie dla różnych interesariuszy | Prezentuje ustalone wnioski dotyczące wpływu modelu AI na środowisko w sposób przystępny dla odbiorców nieposiadających specjalistycznej wiedzy | Analiza dowodów i deklaracji |
| Uzasadnia znaczenie parametrów ekologicznych w decyzjach projektowych podczas dyskusji ze zespołem | Analiza dowodów i deklaracji | |
| Współpracuje w interdyscyplinarnych zespołach, integrując perspektywę zrównoważonego rozwoju w procesach decyzyjnych dotyczących AI | Wykazuje otwartość na uwagi dotyczące wpływu na środowisko i aktywnie uczestniczy w dyskusjach nad poprawą efektywności zasobów | Analiza dowodów i deklaracji |
| Wspiera zespół poprzez udostępnianie wiedzy na temat zielonych praktyk w projektowaniu i wdrażaniu modeli AI | Analiza dowodów i deklaracji | |
| Odpowiedzialnie zarządza danymi osobowymi oraz informacjami wrażliwymi w procesach treningowych, zgodnie z regulacjami i standardami etyki AI | Opisuje zasady retencji danych, anonimizacji i bezpiecznego usuwania informacji zgodnie z RODO | Analiza dowodów i deklaracji |
| Demonstruje świadomość dotyczącą bezpieczeństwa danych i odpowiedzialnego korzystania z informacji w projektach AI | Analiza dowodów i deklaracji | |
| Wykazuje gotowość do ciągłego doskonalenia się oraz śledzenia najnowszych praktyk dotyczących odpowiedzialnego i zrównoważonego rozwoju AI | Przywołuje przykłady nowych metod lub standardów w obszarze zielonej AI i wyjaśnia ich znaczenie dla praktyki zawodowej | Analiza dowodów i deklaracji |
| Planowo zarządza czasem i zasobami projektowymi w celu wdrażania rozwiązań zgodnych z zasadami zrównoważonego rozwoju | Analiza dowodów i deklaracji |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęICVC CERTYFIKACJA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
- Nazwa Podmiotu certyfikującegoGlobal Competence Certification Standard
Program
Program
Usługa skierowana jest do osób dorosłych zainteresowanych nabyciem lub podniesieniem kompetencji w zakresie wykorzystania sztucznej inteligencji (AI) i technologii cyfrowych w pracy zawodowej. Obejmuje pracowników firm, przedsiębiorców, osoby planujące przebranżowienie oraz wszystkich chcących wykorzystać AI w analizie danych, tworzeniu treści i automatyzacji procesów. Wymagane są podstawowe kompetencje cyfrowe.
Szkolenie „Specjalista ds. sztucznej inteligencji” Green ma na celu rozwój kompetencji w zakresie wykorzystania technologii AI w analizie danych oraz tworzeniu treści cyfrowych. Program obejmuje zagadnienia związane z uczeniem maszynowym, przygotowaniem i przetwarzaniem danych, budową i optymalizacją modeli oraz interpretacją wyników analiz.
Istotnym elementem szkolenia jest również wykorzystanie narzędzi sztucznej inteligencji do tworzenia treści cyfrowych, takich jak grafiki, obrazy czy materiały wideo, co pozwala na praktyczne zastosowanie technologii AI w obszarach marketingu, komunikacji i biznesu. Uczestnicy rozwijają także kompetencje w zakresie pracy zespołowej, komunikacji oraz odpowiedzialnego i etycznego wykorzystania sztucznej inteligencji.
Szkolenie wpisuje się w obszar transformacji cyfrowej, rozwijając kompetencje w zakresie technologii informacyjno-komunikacyjnych (ICT) oraz praktycznego zastosowania sztucznej inteligencji w różnych sektorach gospodarki. Uczestnicy uczą się optymalizacji procesów cyfrowych, pracy na danych oraz automatyzacji działań, co zwiększa ich efektywność i konkurencyjność na rynku pracy.
W ramach rozwoju zielonych kompetencji uczestnicy poznają wpływ technologii AI na zużycie zasobów (energia, moc obliczeniowa, dane) oraz uczą się stosowania zasad optymalizacji procesów cyfrowych, ograniczania zbędnych operacji oraz efektywnego zarządzania danymi i zasobami cyfrowymi.
Szkolenie jest zgodne z założeniami Regionalnej Strategii Innowacji 2030 Województwa Śląskiego, w szczególności w obszarze rozwoju kompetencji cyfrowych, technologii informacyjno-komunikacyjnych oraz wspierania innowacyjności gospodarki poprzez wykorzystanie nowoczesnych technologii, w tym sztucznej inteligencji. Usługa przyczynia się do zwiększenia adaptacyjności uczestników do zmian technologicznych oraz wspiera rozwój kadr dla gospodarki opartej na wiedzy i danych.
W ramach szkolenia uczestnicy nabywają również zielone kwalifikacje, które stanowią istotny element nowoczesnych kompetencji cyfrowych i są zgodne z kierunkami transformacji gospodarki w stronę zrównoważonego rozwoju.
Uczestnicy zdobywają wiedzę i umiejętności w zakresie:
- rozumienia wpływu technologii cyfrowych i sztucznej inteligencji na środowisko (zużycie energii, emisje CO₂, wykorzystanie zasobów IT),
- stosowania zasad zrównoważonej cyfryzacji (green digitalisation),
- optymalizacji procesów przetwarzania danych i modeli AI w celu ograniczenia zużycia mocy obliczeniowej,
- świadomego projektowania i wdrażania rozwiązań AI zgodnych z ideą Green AI,
- redukcji nadmiarowych operacji cyfrowych i efektywnego zarządzania danymi,
- stosowania dobrych praktyk w zakresie ekologicznego wykorzystania narzędzi cyfrowych,
- odpowiedzialnego tworzenia treści cyfrowych z uwzględnieniem efektywności zasobowej.
Szkolenie rozwija kompetencje w obszarze transformacji cyfrowej, łącząc rozwój technologii AI z odpowiedzialnym i efektywnym wykorzystaniem zasobów cyfrowych. Uczestnicy uczą się:
- wykorzystywać AI do automatyzacji procesów i zwiększania efektywności pracy,
- optymalizować procesy biznesowe przy użyciu technologii cyfrowych,
- podejmować decyzje technologiczne z uwzględnieniem ich wpływu na środowisko,
- integrować kompetencje cyfrowe z zasadami zrównoważonego rozwoju.
Szkolenie jest zgodne z założeniami Regionalnej Strategii Innowacji 2030 Województwa Śląskiego, w szczególności w zakresie:
- rozwoju kompetencji cyfrowych i technologicznych,
- wspierania transformacji gospodarki w kierunku inteligentnych i zrównoważonych specjalizacji,
- budowania kompetencji przyszłości, łączących cyfryzację z zieloną transformacją,
- zwiększania efektywności wykorzystania zasobów oraz wdrażania innowacyjnych rozwiązań technologicznych,
- wspierania gospodarki opartej na wiedzy, danych i odpowiedzialnym rozwoju.
Szkolenie wpisuje się w obszar podwójnej transformacji (digital + green), przygotowując uczestników do funkcjonowania na rynku pracy, który wymaga jednoczesnego rozwoju kompetencji cyfrowych i środowiskowych.
Uczestnik zdobywa wiedzę dotyczącą podstaw działania algorytmów sztucznej inteligencji oraz ich zastosowania w kontekście ochrony środowiska i optymalizacji zasobów. Rozumie wpływ procesów przetwarzania danych na zużycie energii oraz emisję CO₂, a także zna metody ograniczania śladu węglowego modeli AI. Potrafi klasyfikować dane środowiskowe oraz wykorzystywać je w analizach prognostycznych. Dodatkowo rozumie zasady gospodarki o obiegu zamkniętym oraz rolę AI w podejmowaniu decyzji wspierających zrównoważony rozwój.
Uczestnik potrafi projektować i wdrażać modele AI uwzględniające parametry środowiskowe oraz wskaźniki zrównoważonego rozwoju. Dobiera odpowiednie algorytmy i architektury modeli, optymalizując je pod kątem efektywności energetycznej i jakości wyników. Analizuje dane i podejmuje decyzje dotyczące wielkości zbiorów treningowych w celu ograniczenia zużycia zasobów. Tworzy również systemy monitorowania wpływu AI na środowisko oraz opracowuje raporty i rekomendacje służące redukcji negatywnego oddziaływania.
Uczestnik skutecznie komunikuje wyniki analiz i rekomendacje dotyczące zrównoważonego wykorzystania AI, dostosowując przekaz do różnych odbiorców. Współpracuje w zespołach interdyscyplinarnych, uwzględniając aspekty środowiskowe w procesach decyzyjnych. Działa zgodnie z zasadami etyki i bezpieczeństwa danych, w tym regulacjami dotyczącymi ochrony danych osobowych. Wykazuje również gotowość do ciągłego rozwoju i aktualizacji wiedzy w obszarze odpowiedzialnej i zrównoważonej sztucznej inteligencji.
Harmonogram szkolenia (2 dni po 8h)
DZIEŃ 1 – Podstawy AI, dane i modele
09:00 – 11:00
Wprowadzenie do sztucznej inteligencji i uczenia maszynowego
- funkcja kosztu i jej znaczenie
- gradient i optymalizacja modeli
- przegląd technik uczenia maszynowego
- uwzględnienie roli AI w zrównoważonym rozwoju oraz wpływu technologii cyfrowych na środowisko (zużycie energii, ślad węglowy modeli)
11:00 – 13:00
Dane w AI – przygotowanie i analiza
- preprocessing danych
- czyszczenie zbiorów
- rozkład normalny i podstawy analizy danych
- zastosowanie zasad efektywnego zarządzania danymi w celu ograniczenia zużycia zasobów cyfrowych
- minimalizacja nadmiarowych operacji danych (green data processing)
13:00 – 15:00
Modelowanie i problemy uczenia
- overfitting i underfitting
- bias danych i zagrożenia w AI
- wprowadzenie do clusteringu
- analiza wpływu jakości danych i modeli na efektywność energetyczną systemów AI
- świadome projektowanie modeli ograniczających zużycie mocy obliczeniowej
15:00 – 15:30
PRZERWA
15:30 – 17:00
Praktyka: przygotowanie danych i pierwsze modele
- przygotowanie zbiorów danych
- dobór metod uczenia
- uruchomienie prostych modeli
- dobór metod z uwzględnieniem efektywności zasobowej (eco-design modeli AI)
DZIEŃ 2 – Praktyka AI, content i kompetencje cyfrowe
09:00 – 11:00
Budowa i optymalizacja modeli
- minimalizacja funkcji kosztu
- regularyzacja i ograniczanie overfittingu
- analiza wyników modeli
- optymalizacja modeli pod kątem zmniejszenia zużycia energii i zasobów (Green AI)
- stosowanie lekkich modeli i efektywnych algorytmów
11:00 – 13:00
Clustering i interpretacja danych
- grupowanie danych
- interpretacja klastrów
- wnioskowanie na podstawie wyników
- interpretacja danych w kontekście podejmowania decyzji wspierających zrównoważony rozwój
13:00 – 15:00
AI w praktyce – tworzenie treści cyfrowych
- generowanie grafik i obrazów AI
- tworzenie krótkich form wideo (rolki)
- optymalizacja i automatyzacja pracy
- ograniczanie nadprodukcji treści cyfrowych i optymalizacja procesów publikacji
- wykorzystanie narzędzi AI do redukcji zużycia zasobów (np. automatyzacja zamiast wielokrotnych iteracji)
15:00 – 15:30
PRZERWA
15:30 – 16:00
Kompetencje cyfrowe i zielone w AI
- optymalizacja procesów cyfrowych
- wpływ AI na zużycie zasobów
- etyka i odpowiedzialne wykorzystanie AI
- zasady zrównoważonej cyfryzacji (digital sustainability)
- efektywne wykorzystanie infrastruktury IT
- redukcja śladu węglowego w pracy z AI
- odpowiedzialne projektowanie procesów cyfrowych zgodnie z ideą ESG
16:00 – 17:00
WALIDACJA EFEKTÓW UCZENIA SIĘ
- test teoretyczny (wiedza)
- analiza dowodów i deklaracji
Teoria: 5,5 h
Praktyka: 8,5 h
Walidacja: 1,0 h
Przerwy: 1,0 h
Sposób Walidacji i egzamin
TEST TEORETYCZNY ORAZ analiza dowodów i deklaracji.
Czas oczekiwania na wynik walidacji wynosi do 5 dni roboczych od dnia egzaminu.
Realizacja szkolenia: 04-05.07.2026
Oczekiwanie na wynik walidacji - DO 10.07.2026
Okres do 10.07.2026 obejmuje proces walidacji i oczekiwania na wynik.
Warunki organizacyjne:
Usługa realizowana jest w formie warsztatowej, z przewagą zajęć praktycznych, umożliwiających bezpośrednie zastosowanie zdobytej wiedzy i umiejętności
Usługa realizowana jest w godzinach zegarowych. Przerwy oraz walidacja efektów uczenia się wliczone są w czas trwania usług.
Charakter zajęć został dostosowany do formy warsztatowej z przewagą praktyki. Część teoretyczna została ograniczona do niezbędnego wprowadzenia do zagadnień, natomiast kluczowe obszary realizowane są w formie ćwiczeń praktycznych. W szczególności: przygotowanie danych (preprocessing) realizowane jest na rzeczywistych zbiorach danych, techniki uczenia maszynowego omawiane są poprzez pracę na przykładach i zadaniach, a wykorzystanie narzędzi sztucznej inteligencji do tworzenia treści cyfrowych (grafiki, obrazy, materiały wideo) odbywa się w formie praktycznych warsztatów.
Harmonogram
Harmonogram
| Przedmiot / temat | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat 1 z 11 Wprowadzenie do sztucznej inteligencji i uczenia maszynowego | Prowadzący Mateusz Paszek | Data realizacji zajęć 04-07-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 11:00 | Liczba godzin 02:00 |
Przedmiot / temat 2 z 11 Dane w AI – przygotowanie i analiza | Prowadzący Mateusz Paszek | Data realizacji zajęć 04-07-2026 | Godzina rozpoczęcia 11:00 | Godzina zakończenia 13:00 | Liczba godzin 02:00 |
Przedmiot / temat 3 z 11 Modelowanie i problemy uczenia | Prowadzący Mateusz Paszek | Data realizacji zajęć 04-07-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:00 | Liczba godzin 02:00 |
Przedmiot / temat 4 z 11 PRZERWA | Prowadzący Mateusz Paszek | Data realizacji zajęć 04-07-2026 | Godzina rozpoczęcia 15:00 | Godzina zakończenia 15:30 | Liczba godzin 00:30 |
Przedmiot / temat 5 z 11 Praktyka: przygotowanie danych i pierwsze modele | Prowadzący Mateusz Paszek | Data realizacji zajęć 04-07-2026 | Godzina rozpoczęcia 15:30 | Godzina zakończenia 17:00 | Liczba godzin 01:30 |
Przedmiot / temat 6 z 11 Budowa i optymalizacja modeli | Prowadzący Mateusz Paszek | Data realizacji zajęć 05-07-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 11:00 | Liczba godzin 02:00 |
Przedmiot / temat 7 z 11 Clustering i interpretacja danych | Prowadzący Mateusz Paszek | Data realizacji zajęć 05-07-2026 | Godzina rozpoczęcia 11:00 | Godzina zakończenia 13:00 | Liczba godzin 02:00 |
Przedmiot / temat 8 z 11 AI w praktyce – tworzenie treści cyfrowych | Prowadzący Mateusz Paszek | Data realizacji zajęć 05-07-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:00 | Liczba godzin 02:00 |
Przedmiot / temat 9 z 11 PRZERWA | Prowadzący Mateusz Paszek | Data realizacji zajęć 05-07-2026 | Godzina rozpoczęcia 15:00 | Godzina zakończenia 15:30 | Liczba godzin 00:30 |
Przedmiot / temat 10 z 11 Kompetencje cyfrowe i zielone w AI | Prowadzący Mateusz Paszek | Data realizacji zajęć 05-07-2026 | Godzina rozpoczęcia 15:30 | Godzina zakończenia 16:00 | Liczba godzin 00:30 |
Przedmiot / temat 11 z 11 WALIDACJA EFEKTÓW UCZENIA SIĘ | Prowadzący - | Data realizacji zajęć 05-07-2026 | Godzina rozpoczęcia 16:00 | Godzina zakończenia 17:00 | Liczba godzin 01:00 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 6 396,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 5 200,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 399,75 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 325,00 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 276,75 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 225,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 276,75 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 225,00 PLN |
Prowadzący
Prowadzący
Mateusz Paszek
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Każdy uczestnik otrzymuje materiały szkoleniowe w formie cyfrowej (np. skrypt PDF) obejmujące zakres omawianych zagadnień, w tym podstawy sztucznej inteligencji, uczenia maszynowego, pracy na danych oraz wykorzystania narzędzi AI do tworzenia treści cyfrowych. Warunkiem udziału w części praktycznej szkolenia jest posiadanie urządzenia umożliwiającego pracę z narzędziami cyfrowymi (laptop lub telefon z dostępem do Internetu). W przypadku braku własnego sprzętu, organizator zapewnia uczestnikom niezbędne urządzenia na czas trwania szkolenia.
Informacje dodatkowe
Podstawa zwolnienia z VAT:
1) art.43ust.1 pkt29 lit. cUstawy z dnia 11 marca 2024 o podatku od towarów i usług-w przypadku dofinansowania w wysokości 100%
2) § 3 ust.1pkt.14RozporządzeniaMinistra Finansów z dnia20 grudnia2013r.w sprawie zwolnień od podatku od towarów i usług oraz warunków stosowania tych zwolnień-w przypadku dofinansowania w co najmniej70%
3) Organizator zapewnia dostępność osobom ze szczególnymi potrzebami podczas realizacji usług rozwojowych zgodnie zUstawą z dnia19lipca2019 r. o zapewnianiu dostępności osobom ze szczególnymi potrzebami (Dz.U. 2022 poz. 2240) oraz„Standardami dostępności dla polityki spójności 2021-2027”.
4) W przypadku braku uzyskania dofinansowania, do ceny usługi należy doliczyć 23%VAT
Informacja dotycząca realizacji usługi zgodnie z wytycznymi: Usługa rozwojowa realizowana w formie usługi stacjonarnej, zostanie zrealizowana zgodnie z aktualnie obowiązującymi przepisami prawa i zaleceniami Ministerstwa Zdrowia i Głównego Inspektoratu Sanitarnego.
Adres
Adres
Udogodnienia w miejscu realizacji usługi
- Klimatyzacja
- Wi-fi