Zaawansowane szkolenie ze sztucznej inteligencji (AI) dla osób indywidualnych – Zielone Kwalifikacje Cyfrowe
Zaawansowane 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, które ukończyły szkolenie z podstaw AI lub posiadają równoważną wiedzę i chcą rozwinąć kompetencje w zakresie zaawansowanych zastosowań sztucznej inteligencji w praktyce biznesowej, z uwzględnieniem zasad Zielonej AI. Szkolenie przeznaczone jest dla:
- osób indywidualnych chcących wdrożyć automatyzacje AI do usprawnienia swojej pracy i projektów,
- specjalistów zainteresowanych budową chatbotów, agentów AI i scraperów opartych na narzędziach no-code i cloud,
- osób chcących pozyskiwać klientów z wykorzystaniem AI i publicznie dostępnych danych firmowych,
- wszystkich zainteresowanych odpowiedzialnym, energooszczędnym i zrównoważonym wdrażaniem automatyzacji AI.
Uczestnik powinien posiadać podstawowe kompetencje cyfrowe oraz znajomość podstaw pracy z narzędziami generatywnej AI (np. ChatGPT). Szkolenie ma charakter rozszerzony i stanowi rozwinięcie kompleksowego szkolenia z AI.
- Minimalna liczba uczestników6
- Maksymalna liczba uczestników10
- Data zakończenia rekrutacji28-07-2026
- 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 kompetencji w zakresie zaawansowanego i odpowiedzialnego wykorzystania narzędzi AI przez osoby indywidualne, z uwzględnieniem zasad Zielonej AI. Uczestnik przygotowuje się do projektowania chatbotów w Botpress, budowania automatyzacji w Zapier, tworzenia scraperów na AWS oraz stosowania zasad ochrony danych i energooszczędnego wdrażania rozwiązań 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 zaawansowanym i odpowiedzialnym wykorzystaniem narzędzi AI w praktyce biznesowej, ze szczególnym uwzględnieniem zasad Zielonej AI. Szkolenie przeznaczone jest dla:
- osób indywidualnych chcących wdrożyć automatyzacje AI do usprawnienia swojej pracy i projektów,
- specjalistów chcących budować chatboty, agenty AI i scrapery no-code/cloud,
- osób chcących pozyskiwać klientów z wykorzystaniem AI i danych firmowych,
- wszystkich zainteresowanych odpowiedzialnym i energooszczędnym wdrażaniem automatyzacji AI.
Szkolenie ma charakter rozszerzony i stanowi rozwinięcie wcześniejszego kompleksowego szkolenia z AI. Trener prowadzi szkolenie w formule: krótka demonstracja → zadanie praktyczne → omówienie wyników → wskazanie wariantów wdrożenia.
Ramowy program usługi
Dzień 1 (08:00–17:00)
08:00–08:30 – TEORIA – Otwarcie szkolenia: AI – poziom rozszerzony. Wprowadzenie do zaawansowanych zastosowań AI i Zielonej AI
Cele szkolenia, zasady pracy, omówienie agendy. Przegląd zaawansowanych zastosowań AI w firmach – automatyzacje, chatboty, agenty AI, scrapery. Wprowadzenie do koncepcji Zielonej AI w kontekście automatyzacji biznesowych – wpływ złożonych workflow na zużycie energii, odpowiedzialne projektowanie automatyzacji, minimalizacja zbędnych wywołań API.
08:30–10:30 – PRAKTYKA – Moduł 1 – ChatGPT zaawansowany: aktualne funkcje, tryby pracy i dobór narzędzi do zadań biznesowych
Przegląd aktualnych funkcji i trybów pracy w ChatGPT. Porównanie trybów pracy – uczestnicy rozwiązują ten sam problem w co najmniej dwóch różnych trybach; omówienie różnic jakościowych, czasowych i energetycznych. Dobór odpowiedniego narzędzia AI do rodzaju zadania biznesowego. Zielona AI: świadome ograniczanie złożoności zapytań i wybór modelu adekwatnego do zadania jako metoda redukcji śladu węglowego.
- Zadanie: porównanie trybów pracy w ChatGPT – ten sam problem, różne podejścia
- Omówienie różnic jakościowych, czasowych i kosztów obliczeniowych
- Wskazanie, kiedy dana ścieżka jest opłacalna biznesowo i środowiskowo
10:30–10:45 – Przerwa (nie wliczona w czas usługi)
10:45–12:45 – PRAKTYKA – Moduł 2 – Organizacja pracy w Projects i projektowanie własnego modelu GPT do konkretnej roli
Zorganizowanie pracy w ChatGPT Projects – podział na obszary tematyczne własnej działalności. Przypisywanie plików, zadań i ról modeli GPT do obszarów. Projektowanie własnego modelu GPT do konkretnej roli (np. tworzenie treści, analiza dokumentów, obsługa zapytań). Zielona AI: dokumentowanie decyzji projektowych dotyczących zakresu GPT pod kątem efektywności zasobów i zasad zrównoważonego wdrożenia.
- Zadanie: stworzenie propozycji podziału pracy firmy w Projects
- Zadanie: zaprojektowanie i skonfigurowanie własnego GPT do wybranej roli
- Dokumentowanie decyzji projektowych i uzasadnienie wyboru zakresu GPT
12:45–13:00 – Przerwa (nie wliczona w czas usługi)
13:00–15:00 – PRAKTYKA – Moduł 3 – Botpress: projektowanie chatbota – flow rozmowy, FAQ, leady, przekazanie do człowieka
Wprowadzenie do Botpress – architektura, node'y, logika flow. Projektowanie flow rozmowy bota obsługującego FAQ, zbierającego leady i przekazującego rozmowę do człowieka w trudniejszych przypadkach. Trener pokazuje pełną logikę bota i tworzy podstawowy flow. Zielona AI: projektowanie botów z minimalną liczbą wywołań AI – zasada odpowiedzialnego projektowania automatyzacji.
- Zadanie: wspólne zaprojektowanie flow rozmowy bota dla wybranej branży
- Tworzenie struktury node'ów: FAQ, zbieranie danych, przekazanie do człowieka
- Omówienie logiki warunkowej i obsługi wyjątków w flow
15:00–17:00 – PRAKTYKA – Moduł 4 – Botpress: treści, scenariusze testowe, osadzenie na stronie i optymalizacja zasobów
Tworzenie treści powitalnych, odpowiedzi na najczęstsze pytania oraz scenariuszy testów jakościowych dla bota. Sposób osadzenia bota na stronie internetowej. Testowanie i iteracyjne poprawianie bota. Zielona AI: analiza wskaźników wydajności bota – identyfikacja i eliminacja zbędnych wywołań AI, optymalizacja logiki flow pod kątem minimalizacji zużycia zasobów obliczeniowych.
- Zadanie: przygotowanie treści i scenariuszy testowych bota
- Testowanie bota i modyfikacja konfiguracji na podstawie wyników
- Omówienie sposobu osadzenia na stronie i wskaźników wydajności
- Podsumowanie dnia
Dzień 2 (08:00–17:00)
08:00–10:00 – PRAKTYKA – Moduł 5 – Zapier: agent AI do obsługi leadów
Budowanie agentowego workflow w Zapier do obsługi leadów: od wpływu zgłoszenia, przez analizę treści AI, scoring leada, klasyfikację, przypisanie handlowca, aż po szkic odpowiedzi i zapis raportu do CRM. Nacisk na logikę procesu, klasyfikację danych, decyzje agentowe i raportowanie. Zielona AI: projektowanie automatyzacji z uwzględnieniem częstotliwości wywołań AI – ograniczanie zbędnych kroków jako metoda redukcji śladu węglowego automatyzacji.
- Zadanie: zaprojektowanie i zbudowanie kompletnej logiki agenta do obsługi leadów
- Konfiguracja klasyfikacji, scoringu i przypisania w Zapier
- Testowanie workflow i omówienie wariantów wdrożenia
10:00–10:15 – Przerwa (nie wliczona w czas usługi)
10:15–12:15 – PRAKTYKA – Moduł 6 – Zapier: agent AI do pracy z dokumentami
Automatyzacja do pracy z dokumentami: mail/PDF/formularz → rozpoznanie typu sprawy → streszczenie → wyciągnięcie danych → wykrycie braków → szkic odpowiedzi → przypisanie do właściwej osoby. Zielona AI: analiza porównawcza wydajności różnych automatyzacji pod kątem zużycia zasobów; dokumentowanie decyzji dotyczących eliminacji zbędnych kroków workflow.
- Zadanie: zbudowanie automatyzacji do obsługi dokumentów krok po kroku
- Tworzenie promptów do poszczególnych kroków workflow
- Analiza porównawcza wydajności i zasobów automatyzacji
12:15–12:30 – Przerwa (nie wliczona w czas usługi)
12:30–14:30 – PRAKTYKA – Moduł 7 – Scraper firm na AWS: architektura, publiczne dane firmowe i AI scoring
Projektowanie scrapera opartego na gotowych rozwiązaniach i publicznie dostępnych danych firmowych w celu identyfikacji potencjalnych klientów. Architektura: źródła danych, gotowe rozwiązanie do scrapingu, AWS jako zaplecze, baza wyników, AI scoring, eksport do CRM. Trener prowadzi warsztat architektoniczno-wdrożeniowy. Zielona AI: omówienie odpowiedzialnego korzystania z zasobów cloud – optymalizacja kosztów obliczeniowych AWS, wybór instancji adekwatnych do skali zadania.
- Zadanie: zaprojektowanie architektury scrapera firmowego
- AI scoring znalezionych firm – logika oceny jakości leada i warunki priorytetu kontaktu
- Omówienie odpowiedzialnego korzystania z zasobów AWS pod kątem kosztów i środowiska
14:30–15:30 – PRAKTYKA – Moduł 8 – AI scoring leadów, personalizowany outreach i plan wdrożenia; Zielona AI w automatyzacjach
Przygotowanie personalizowanych wiadomości do potencjalnych klientów z wykorzystaniem AI. Krótki plan wdrożenia poznanych rozwiązań po szkoleniu. Zielona AI: podsumowanie zasad odpowiedzialnego i energooszczędnego wdrażania automatyzacji AI – opracowanie wskaźników środowiskowych dla zbudowanych rozwiązań, rekomendacje dotyczące redukcji śladu węglowego wdrożeń.
- Zadanie: przygotowanie personalizowanych wiadomości outreach z AI
- Opracowanie krótkiego planu wdrożenia rozwiązań po szkoleniu
- Opracowanie wskaźników środowiskowych dla automatyzacji i rekomendacji Zielonej AI
15:30–16:00 – Case clinic
Case clinic: praca na rzeczywistych przypadkach uczestnika – omówienie możliwości zastosowania poznanych narzędzi AI w jego działalności. Wspólna analiza wyzwań i dobór rozwiązań.
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 kompetencji zgodnych z opisem efektów uczenia się.
Warunki organizacyjne: Usługa realizowana jest w formie zajęć teoretycznych i praktycznych. Część praktyczna obejmuje pracę na przykładach z zakresu projektowania chatbotów, budowania automatyzacji agentowych, tworzenia scraperów firmowych oraz wdrażania zasad Zielonej AI. Uczestnicy wykonują zadania w warunkach symulowanych lub w odniesieniu do realnych potrzeb uczestnika.
Wyposażenie stanowiska: Każdy uczestnik realizuje część praktyczną przy samodzielnym stanowisku komputerowym z dostępem do Internetu, umożliwiającym pracę z narzędziami AI, tworzenie automatyzacji 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, Projects, tworzenie własnych GPT). W przypadku gdy uczestnik preferuje inne środowisko, konieczne jest wcześniejsze zgłoszenie. Koszt dostępu 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 dostosowywana jest do poziomu kompetencji 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 15 TEORIA – Otwarcie szkolenia: AI – poziom rozszerzony. Wprowadzenie do zaawansowanych zastosowań AI i Zielonej AI | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 29-07-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 08:30 | Liczba godzin 00:30 |
Przedmiot / temat 2 z 15 PRAKTYKA – Moduł 1 – ChatGPT zaawansowany: aktualne funkcje, tryby pracy, dobór narzędzi do zadań | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 29-07-2026 | Godzina rozpoczęcia 08:30 | Godzina zakończenia 10:30 | Liczba godzin 02:00 |
Przedmiot / temat 3 z 15 Przerwa | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 29-07-2026 | Godzina rozpoczęcia 10:30 | Godzina zakończenia 10:45 | Liczba godzin 00:15 |
Przedmiot / temat 4 z 15 PRAKTYKA – Moduł 2 – Organizacja pracy w Projects i projektowanie własnego modelu GPT do konkretnej roli | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 29-07-2026 | Godzina rozpoczęcia 10:45 | Godzina zakończenia 12:45 | Liczba godzin 02:00 |
Przedmiot / temat 5 z 15 Przerwa | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 29-07-2026 | Godzina rozpoczęcia 12:45 | Godzina zakończenia 13:00 | Liczba godzin 00:15 |
Przedmiot / temat 6 z 15 PRAKTYKA – Moduł 3 – Botpress: projektowanie chatbota – flow rozmowy, FAQ, leady, przekazanie do człowieka | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 29-07-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:00 | Liczba godzin 02:00 |
Przedmiot / temat 7 z 15 PRAKTYKA – Moduł 4 – Botpress: treści, scenariusze testowe, osadzenie na stronie, optymalizacja zasobów | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 29-07-2026 | Godzina rozpoczęcia 15:00 | Godzina zakończenia 17:00 | Liczba godzin 02:00 |
Przedmiot / temat 8 z 15 PRAKTYKA – Moduł 5 – Zapier: agent AI do obsługi leadów – analiza treści, scoring, klasyfikacja, szkic odpowiedzi | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 30-07-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 10:00 | Liczba godzin 02:00 |
Przedmiot / temat 9 z 15 Przerwa | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 30-07-2026 | Godzina rozpoczęcia 10:00 | Godzina zakończenia 10:15 | Liczba godzin 00:15 |
Przedmiot / temat 10 z 15 PRAKTYKA – Moduł 6 – Zapier: agent AI do pracy z dokumentami – rozpoznanie sprawy, streszczenie, szkic odpowiedzi | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 30-07-2026 | Godzina rozpoczęcia 10:15 | Godzina zakończenia 12:15 | Liczba godzin 02:00 |
Przedmiot / temat 11 z 15 Przerwa | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 30-07-2026 | Godzina rozpoczęcia 12:15 | Godzina zakończenia 12:30 | Liczba godzin 00:15 |
Przedmiot / temat 12 z 15 PRAKTYKA – Moduł 7 – Scraper firm na AWS: architektura, publiczne dane firmowe, AI scoring, eksport do CRM | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 30-07-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 14:30 | Liczba godzin 02:00 |
Przedmiot / temat 13 z 15 PRAKTYKA – Moduł 8 – AI scoring leadów, personalizowany outreach, plan wdrożenia; Zielona AI w automatyzacjach | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 30-07-2026 | Godzina rozpoczęcia 14:30 | Godzina zakończenia 15:30 | Liczba godzin 01:00 |
Przedmiot / temat 14 z 15 Case clinic | Prowadzący KAMIL BUBLIŃSKI | Data realizacji zajęć 30-07-2026 | Godzina rozpoczęcia 15:30 | Godzina zakończenia 16:00 | Liczba godzin 00:30 |
Przedmiot / temat 15 z 15 Walidacja końcowa – test teoretyczny oraz analiza dowodów i deklaracji | Prowadzący - | Data realizacji zajęć 30-07-2026 | 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
KAMIL BUBLIŃSKI
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 zaawansowanych zastosowań AI i zrównoważonego rozwoju.
Warunkiem udziału jest:
- posiadanie podstawowych kompetencji cyfrowych oraz znajomości podstaw pracy z narzędziami generatywnej AI,
- 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.