Kompleksowe szkolenie ze sztucznej inteligencji (AI) dla osób indywidualnych – Zielone Kwalifikacje Cyfrowe
Kompleksowe szkolenie ze sztucznej inteligencji (AI) dla osób indywidualnych – Zielone Kwalifikacje Cyfrowe
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Grupa docelowa usługi
Usługa skierowana jest do osób indywidualnych zainteresowanych praktycznym i bezpiecznym wykorzystaniem narzędzi generatywnej sztucznej inteligencji, ze szczególnym uwzględnieniem kompetencji cyfrowych i zasad Zielonej AI. Szkolenie przeznaczone jest dla:
- osób pracujących z dokumentami, danymi i komunikacją, które chcą zwiększyć efektywność swojej pracy z AI,
- osób indywidualnych planujących wdrożenie narzędzi AI w codziennej działalności zawodowej lub projektowej,
- specjalistów zainteresowanych odpowiedzialnym i energooszczędnym wykorzystaniem AI,
- osób chcących tworzyć własne asystenty AI wspierające ich pracę,
- wszystkich zainteresowanych zielonymi kompetencjami cyfrowymi i zrównoważonym rozwojem AI.
Uczestnik powinien posiadać podstawowe kompetencje cyfrowe umożliwiające pracę przy komputerze z dostępem do Internetu.
- Minimalna liczba uczestników6
- Maksymalna liczba uczestników10
- Data zakończenia rekrutacji24-07-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi17
- 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
Celem usługi jest nabycie i rozwinięcie kompetencji w zakresie praktycznego i bezpiecznego wykorzystania narzędzi generatywnej sztucznej inteligencji przez osoby indywidualne, z uwzględnieniem zasad Zielonej AI i zrównoważonego rozwoju. Uczestnik przygotowuje się do tworzenia promptów, analizy dokumentów i danych, opracowywania treści i raportów, projektowania asystentów AI oraz stosowania zasad poufności, ochrony danych i odpowiedzialnego korzystania z AI.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 środowiskowychwskazuje korzyści i zagrożenia AI, wyjaśnia znaczenie kompetencji cyfrowych i zielonych | 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 Sp. z o.o. – icvc.eu
- Nazwa Podmiotu certyfikującegoTalent Odyssey Ltd – standardgccs.com
Program
Program
Usługa skierowana jest do osób indywidualnych zainteresowanych praktycznym i bezpiecznym wykorzystaniem narzędzi generatywnej sztucznej inteligencji, ze szczególnym uwzględnieniem kompetencji cyfrowych i zasad Zielonej AI. Szkolenie przeznaczone jest dla:
- osób pracujących z dokumentami, danymi i komunikacją, które chcą zwiększyć efektywność swojej pracy z AI,
- osób indywidualnych planujących wdrożenie narzędzi AI w codziennej działalności zawodowej lub projektowej,
- specjalistów zainteresowanych odpowiedzialnym i energooszczędnym wykorzystaniem AI,
- osób chcących tworzyć własne asystenty AI wspierające ich pracę,
- wszystkich zainteresowanych zielonymi kompetencjami cyfrowymi i zrównoważonym rozwojem AI.
Uczestnik powinien posiadać podstawowe kompetencje cyfrowe umożliwiające pracę przy komputerze z dostępem do Internetu.
Dzień 1 (08:00–17:00)
08:00–08:30 – TEORIA – Otwarcie szkolenia i wprowadzenie do generatywnej AI oraz Zielonej AI
Cele szkolenia, zasady pracy, omówienie agendy. Wprowadzenie do AI i generatywnej AI – kluczowe pojęcia, modele generatywne, zastosowania praktyczne. Bezpieczeństwo i poufność danych w pracy z AI. Wprowadzenie do koncepcji Zielonej AI – wpływ systemów AI na środowisko, zużycie energii, ślad węglowy, odpowiedzialne korzystanie z narzędzi AI.
08:30–10:30 – TEORIA – Podstawy pracy z narzędziami generatywnej AI (np. ChatGPT)
Omówienie funkcji i możliwości narzędzi generatywnej AI. Dobre praktyki pracy z AI. Struktura promptów, iteracja zapytań, weryfikacja jakości i wiarygodności wygenerowanych treści. Rozróżnianie algorytmów nadzorowanych i nienadzorowanych – podstawy dla użytkownika. Wpływ przetwarzania danych na zużycie energii i emisje CO2 – świadomość ekologiczna użytkownika AI.
- Ćwiczenia wprowadzające: pierwsze kroki z narzędziem AI, podstawowe prompty
- Analiza i ocena poprawności oraz wiarygodności wygenerowanych treści
- Omówienie wpływu częstotliwości i złożoności zapytań na zasoby obliczeniowe
10:30–10:45 – Przerwa (nie wliczona w czas usługi)
10:45–12:45 – PRAKTYKA – Moduł 1 – Tworzenie i optymalizacja promptów oraz modeli predykcyjnych z parametrami środowiskowymi
Tworzenie i optymalizacja promptów – formułowanie polecenia z określeniem roli, kontekstu sprawy i oczekiwanego formatu odpowiedzi. Modyfikacja promptów w celu poprawy jakości rezultatu. Ocena spójności i kompletności uzyskanych odpowiedzi. Rozszerzenie o Zieloną AI: optymalizacja zapytań pod kątem efektywności energetycznej, dobór parametrów środowiskowych w modelach predykcyjnych.
- Ćwiczenia praktyczne: tworzenie i iteracyjna optymalizacja promptów
- Projektowanie modelu predykcyjnego integrującego zmienne środowiskowe
- Dokumentowanie decyzji dotyczących doboru parametrów
12:45–13:00 – Przerwa (nie wliczona w czas usługi)
13:00–15:00 – PRAKTYKA – Moduł 2 – Tworzenie dokumentów, raportów i materiałów z wykorzystaniem AI; dobór energooszczędnych architektur
Generowanie dokumentów, raportów i treści z wykorzystaniem AI. Dostosowywanie treści do obowiązujących standardów i charakteru sprawy. Redagowanie materiałów w języku przystępnym dla odbiorcy oraz przygotowywanie dokumentów w formie umożliwiającej dalszą edycję. Rozszerzenie o Zieloną AI: porównanie architektur modeli pod kątem zużycia energii, techniki kompresji modelu (pruning, kwantyzacja), transfer learning jako metoda ograniczania zasobów obliczeniowych.
- Ćwiczenia praktyczne: generowanie i redagowanie dokumentów oraz raportów z AI
- Dobór i uzasadnienie energooszczędnej architektury modelu
- Demonstracja technik kompresji modelu na przykładzie
15:00–17:00 – PRAKTYKA – Moduł 3 – Przygotowanie komunikatów i materiałów informacyjnych z użyciem AI; dane środowiskowe w modelach prognostycznych
Tworzenie komunikatów i materiałów informacyjnych z AI – dostosowanie treści do kanału publikacji, upraszczanie języka przy zachowaniu poprawności merytorycznej, weryfikacja zgodności przekazu. Rozszerzenie o Zieloną AI: klasyfikacja danych środowiskowych – sensoryczne, satelitarne i stacjonarne. Integracja wskaźników zrównoważonego rozwoju (SDG, ESG) jako zmiennych w modelach prognostycznych. Preprocessing danych środowiskowych.
- Ćwiczenia: tworzenie komunikatów dostosowanych do różnych kanałów i odbiorców
- Analiza i przygotowanie zestawu danych środowiskowych
- Podsumowanie dnia
Dzień 2 (08:00–17:00)
08:00–10:00 – PRAKTYKA – Moduł 4 – Analiza dokumentów i danych z wykorzystaniem AI; analiza zbiorów treningowych i redukcja śladu węglowego
Analiza dokumentów i danych z AI – wyodrębnianie kluczowych informacji, przygotowywanie zestawień i raportów, formułowanie wniosków. Zachowanie zasad poufności w procesie przetwarzania danych. Rozszerzenie o Zieloną AI: analiza porównawcza wpływu wielkości zbioru treningowego na dokładność i koszty zasobów. Dokumentowanie decyzji dotyczących eliminacji zbędnych danych i uzasadnianie ich znaczenia dla efektywności zasobów.
- Ćwiczenia praktyczne: analiza dokumentów i danych z AI
- Tworzenie zestawień, raportów i podsumowań
- Analiza porównawcza zbiorów treningowych pod kątem śladu węglowego
10:00–10:15 – Przerwa (nie wliczona w czas usługi)
10:15–12:15 – PRAKTYKA – Moduł 5 – Wyszukiwanie, porównywanie informacji i formułowanie rekomendacji z AI; monitorowanie wpływu modeli AI na środowisko
Wyszukiwanie i porównywanie informacji według określonych kryteriów z wykorzystaniem AI. Formułowanie rekomendacji i wniosków na podstawie zebranych danych. Rozszerzenie o Zieloną AI: opracowanie wskaźników KPI mierzących zużycie energii i emisje przy wdrażaniu modeli AI. Budowa systemu monitorowania środowiskowego. Komunikowanie wyników środowiskowych różnym interesariuszom w sposób przystępny.
- Ćwiczenia: wyszukiwanie i porównywanie informacji według kryteriów
- Formułowanie rekomendacji opartych na danych
- Opracowanie wskaźników środowiskowych i raportu analitycznego
12:15–12:30 – Przerwa (nie wliczona w czas usługi)
12:30–14:30 – PRAKTYKA – Moduł 6 – Tworzenie instrukcji działania asystenta AI (system prompt); ekonomia obiegu zamkniętego i cykl życia produktu
Tworzenie instrukcji działania asystenta AI (system prompt) – definiowanie zakresu zadań i sposobu działania asystenta, określanie ograniczeń i odpowiedzialności, testowanie i modyfikacja konfiguracji. Rozszerzenie o Zieloną AI: zasady gospodarki o obiegu zamkniętym i ich związek z AI. Etapy cyklu życia produktu wspierane przez AI (LCA). Systemy rekomendacyjne wspierające odpowiedzialną konsumpcję. Odpowiedzialne zarządzanie danymi zgodnie z RODO – retencja, anonimizacja, bezpieczne usuwanie. Najnowsze standardy i metody zielonej AI.
- Ćwiczenia: opracowanie instrukcji asystenta AI dla wybranego zastosowania
- Testowanie i modyfikacja konfiguracji asystenta
- Mapowanie etapów cyklu życia produktu z możliwościami wsparcia AI
- Analiza przypadku wdrożenia AI pod kątem RODO i zasad zrównoważonego rozwoju
14:30–16:00 – PRAKTYKA – Case clinic – zastosowanie AI i Zielonej AI w rzeczywistych przypadkach uczestnika
Praca na rzeczywistych przypadkach uczestnika – omówienie możliwości wykorzystania AI i Zielonej AI w jego działalności lub projektach. Wspólna analiza wyzwań i dobór narzędzi AI. Omówienie możliwości wdrożenia zasad zrównoważonego rozwoju w projektach AI uczestnika.
16:00–17:00 – Walidacja końcowa – test teoretyczny oraz analiza dowodów i deklaracji
Test teoretyczny oraz analiza dowodów i deklaracji. Podsumowanie szkolenia.
Podział na grupy: Usługa realizowana jest w grupach liczących maksymalnie 10 osób.
Szkolenie ma formę warsztatową i prowadzi do nabycia kwalifikacji Specjalista ds. sztucznej inteligencji
Warunki organizacyjne: Usługa realizowana jest w formie zajęć teoretycznych i praktycznych. Część praktyczna obejmuje pracę na przykładach z zakresu tworzenia dokumentów, analizy informacji, przygotowania zestawień, projektowania asystentów AI oraz wdrażania zasad Zielonej AI. Uczestnicy wykonują zadania w warunkach symulowanych lub w odniesieniu do realnych potrzeb własnych projektów.
Wyposażenie stanowiska: Każdy uczestnik realizuje część praktyczną przy samodzielnym stanowisku komputerowym z dostępem do Internetu, umożliwiającym pracę z narzędziami AI, tworzenie dokumentów oraz analizę danych.
Uczestnicy powinni posiadać dostęp do płatnej wersji narzędzia ChatGPT umożliwiającej korzystanie z aktualnych modeli oraz funkcji wykorzystywanych w trakcie warsztatów (m.in. praca na dokumentach, analiza danych, tworzenie asystentów). W przypadku gdy uczestnik preferuje pracę w środowisku innym niż ChatGPT (np. Gemini), konieczne jest wcześniejsze zgłoszenie tego faktu przed rozpoczęciem szkolenia. Koszt dostępu do narzędzia nie stanowi elementu ceny usługi.
- Szkolenie realizowane jest w formule warsztatowej. W zależności od potrzeb uczestnika część zadań wykonywana jest samodzielnie, a część w formule demonstracyjnej (trener wykonuje zadania krok po kroku). Decyzja o proporcji pracy własnej i demonstracyjnej dostosowywana jest do poziomu kompetencji cyfrowych uczestnika.
Proces walidacji: Walidacja efektów uczenia się przeprowadzana jest przez instytucję zewnętrzną po zakończeniu części dydaktycznej szkolenia i obejmuje:
- Test teoretyczny
- Analizę dowodów i deklaracji
Usługa realizowana jest w godzinach zegarowych (60 minut)
Część teoretyczna: czas trwania w godzinach zegarowych – 2 godziny 30 minut
Część praktyczna: czas trwania w godzinach zegarowych – 13 godzin 00 minut
Część egzaminacyjna/walidacja: czas trwania w godzinach zegarowych – 1 godzina 30 minut
Przerwy: nie są wliczone w czas trwania usługi
Harmonogram
Harmonogram
| Przedmiot / temat | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat 1 z 14 TEORIA – Otwarcie szkolenia i wprowadzenie do generatywnej AI oraz Zielonej AI | Prowadzący Jakub Michalak | Data realizacji zajęć 27-07-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 08:30 | Liczba godzin 00:30 |
Przedmiot / temat 2 z 14 TEORIA – Podstawy pracy z narzędziami generatywnej AI (np. ChatGPT) | Prowadzący Jakub Michalak | Data realizacji zajęć 27-07-2026 | Godzina rozpoczęcia 08:30 | Godzina zakończenia 10:30 | Liczba godzin 02:00 |
Przedmiot / temat 3 z 14 Przerwa | Prowadzący Jakub Michalak | Data realizacji zajęć 27-07-2026 | Godzina rozpoczęcia 10:30 | Godzina zakończenia 10:45 | Liczba godzin 00:15 |
Przedmiot / temat 4 z 14 PRAKTYKA – Moduł 1 – Tworzenie i optymalizacja promptów oraz modeli predykcyjnych z parametrami środowiskowymi | Prowadzący Jakub Michalak | Data realizacji zajęć 27-07-2026 | Godzina rozpoczęcia 10:45 | Godzina zakończenia 12:45 | Liczba godzin 02:00 |
Przedmiot / temat 5 z 14 Przerwa | Prowadzący Jakub Michalak | Data realizacji zajęć 27-07-2026 | Godzina rozpoczęcia 12:45 | Godzina zakończenia 13:00 | Liczba godzin 00:15 |
Przedmiot / temat 6 z 14 PRAKTYKA – Moduł 2 – Tworzenie dokumentów, raportów i materiałów z wykorzystaniem AI; dobór energooszczędnych architektur | Prowadzący Jakub Michalak | Data realizacji zajęć 27-07-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:00 | Liczba godzin 02:00 |
Przedmiot / temat 7 z 14 PRAKTYKA – Moduł 3 – Przygotowanie komunikatów i materiałów informacyjnych z użyciem AI; dane środowiskowe w modelach prognostycznych | Prowadzący Jakub Michalak | Data realizacji zajęć 27-07-2026 | Godzina rozpoczęcia 15:00 | Godzina zakończenia 17:00 | Liczba godzin 02:00 |
Przedmiot / temat 8 z 14 PRAKTYKA – Moduł 4 – Analiza dokumentów i danych z wykorzystaniem AI; analiza zbiorów treningowych i redukcja śladu węglowego | Prowadzący Jakub Michalak | Data realizacji zajęć 28-07-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 10:00 | Liczba godzin 02:00 |
Przedmiot / temat 9 z 14 Przerwa | Prowadzący Jakub Michalak | Data realizacji zajęć 28-07-2026 | Godzina rozpoczęcia 10:00 | Godzina zakończenia 10:15 | Liczba godzin 00:15 |
Przedmiot / temat 10 z 14 PRAKTYKA – Moduł 5 – Wyszukiwanie, porównywanie informacji i formułowanie rekomendacji z AI; monitorowanie wpływu modeli AI na środowisko | Prowadzący Jakub Michalak | Data realizacji zajęć 28-07-2026 | Godzina rozpoczęcia 10:15 | Godzina zakończenia 12:15 | Liczba godzin 02:00 |
Przedmiot / temat 11 z 14 Przerwa | Prowadzący Jakub Michalak | Data realizacji zajęć 28-07-2026 | Godzina rozpoczęcia 12:15 | Godzina zakończenia 12:30 | Liczba godzin 00:15 |
Przedmiot / temat 12 z 14 PRAKTYKA – Moduł 6 – Tworzenie instrukcji działania asystenta AI (system prompt); ekonomia obiegu zamkniętego i cykl życia produktu | Prowadzący Jakub Michalak | Data realizacji zajęć 28-07-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 14:30 | Liczba godzin 02:00 |
Przedmiot / temat 13 z 14 PRAKTYKA – Case clinic – zastosowanie AI i Zielonej AI w rzeczywistych przypadkach uczestnika | Prowadzący Jakub Michalak | Data realizacji zajęć 28-07-2026 | Godzina rozpoczęcia 14:30 | Godzina zakończenia 16:00 | Liczba godzin 01:30 |
Przedmiot / temat 14 z 14 Walidacja końcowa – test teoretyczny oraz analiza dowodów i deklaracji | Prowadzący - | Data realizacji zajęć 28-07-2026 | 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 4 800,00 PLN |
Podmiot uprawniony do zwolnienia z VAT na podstawie art. 43 ust. 1 ustawy o VAT | |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 4 800,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 282,35 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 282,35 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 600,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 600,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 350,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 350,00 PLN |
Prowadzący
Prowadzący
Jakub Michalak
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
- Zapisy wszystkich przeprowadzonych rozmów ze sztuczną inteligencją
- Dodatkowe filmy instruktażowe oraz szczegółowe instrukcje wdrożeniowe
- Pliki szkoleniowe, gotowe zestawy promptów oraz prezentacje multimedialne
- Dostęp do repozytorium przykładowych modeli i zestawów danych środowiskowych
Warunki uczestnictwa
Uczestnikiem usługi może być osoba indywidualna zainteresowana rozwojem kompetencji w zakresie AI i zrównoważonego rozwoju. Warunkiem udziału jest:
- posiadanie podstawowych kompetencji cyfrowych umożliwiających pracę przy komputerze z dostępem do Internetu,
- dostęp do indywidualnego stanowiska komputerowego podczas realizacji usługi,
- gotowość do pracy warsztatowej na przykładach praktycznych.
Informacje dodatkowe
Uczestnik zobowiązany jest do aktywnego udziału w części praktycznej oraz przystąpienia do procesu walidacji. Warunkiem uzyskania zaświadczenia jest uczestnictwo w co najmniej 80% zajęć oraz pozytywne przejście procesu walidacji efektów uczenia się.
Szkolenie realizowane jest zgodnie z obowiązującymi przepisami o ochronie danych osobowych (RODO). Wszystkie dane uczestników są gromadzone, przetwarzane i przechowywane zgodnie z polityką prywatności oraz regulacjami prawnymi dotyczącymi ochrony danych osobowych.
Warunki techniczne
Warunki techniczne
Uczestnik powinien dysponować:
- komputerem lub laptopem z dostępem do Internetu (zalecane łącze min. 10 Mb/s),
- przeglądarką internetową (np. Chrome, Edge, Firefox, Safari) w aktualnej wersji,
- sprawnym mikrofonem i kamerą umożliwiającymi udział w spotkaniu online,
- możliwością korzystania z platformy do wideokonferencji (np. Zoom / MS Teams / Google Meet),
- dostępem do konta w narzędziu generatywnej AI (np. ChatGPT, Gemini) – koszt dostępu nie jest elementem ceny usługi.