Szkolenie - Specjalista ds. Sztucznej Inteligencji (AI) - praktyczne stosowanie narzędzi sztucznej inteligencji w środowisku zawodowym - kwalifikacje
Szkolenie - Specjalista ds. Sztucznej Inteligencji (AI) - praktyczne stosowanie narzędzi sztucznej inteligencji w środowisku zawodowym - kwalifikacje
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Identyfikatory projektówZachodniopomorskie Bony Szkoleniowe
- Grupa docelowa usługi
Szkolenie jest skierowane do pracowników firm i organizacji, którzy chcą skutecznie wdrożyć narzędzia sztucznej inteligencji w codziennej pracy zawodowej. W szczególności kurs dedykowany jest:
• Pracownikom działów operacyjnych, sprzedaży, marketingu, HR i administracji, którzy chcą zautomatyzować powtarzalne zadania oraz usprawnić codzienną pracę przy użyciu narzędzi AI,
• Specjalistom IT, analitykom danych i programistom pragnącym usystematyzować wiedzę z zakresu uczenia maszynowego, sieci neuronowych i oceny modeli AI,
• Menedżerom i kierownikom projektów, którzy podejmują decyzje o wdrożeniu rozwiązań AI w swoich organizacjach i chcą zrozumieć możliwości, ograniczenia oraz ryzyka związane z ich stosowaniem,
• Osobom planującym zmianę ścieżki kariery w kierunku analizy danych lub specjalizacji AI, poszukującym potwierdzenia nabytych kompetencji uznanym certyfikatem branżowym.
Uczestnik powinien posiadać podstawową znajomość obsługi komputera i środowiska pracy z danymi
- Minimalna liczba uczestników3
- Maksymalna liczba uczestników12
- Forma prowadzenia usługistacjonarna
- Liczba godzin usługi20
- 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 do samodzielnego projektowania, budowania i oceny modeli uczenia maszynowego oraz do praktycznego stosowania narzędzi sztucznej inteligencji w środowisku zawodowym, w sposób odpowiedzialny i zgodny z etyką AI.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Rozróżnia główne paradygmaty uczenia maszynowego i wyjaśnia ich zastosowanie w praktyce | Wymienia i opisuje różnice między uczeniem nadzorowanym, nienadzorowanym i wzmacniającym | Test teoretyczny z wynikiem generowanym automatycznie |
| Podaje przykłady zastosowania poszczególnych paradygmatów w rozwiązywaniu problemów biznesowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Wyjaśnia procesy związane z przygotowaniem danych oraz wpływ jakości danych na efektywność modeli | Charakteryzuje problem nadmiernego dopasowania (overfittingu) i niedostatecznego dopasowania (underfittingu) oraz sposoby ich ograniczania | Test teoretyczny z wynikiem generowanym automatycznie |
| Opisuje techniki normalizacji, standaryzacji i obsługi brakujących wartości w zbiorach danych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Charakteryzuje architektury sieci neuronowych i dobiera je do różnych typów problemów analitycznych | Wyjaśnia różnice między sieciami CNN, RNN, LSTM i transformerami oraz ich zastosowania | Test teoretyczny z wynikiem generowanym automatycznie |
| Opisuje funkcje aktywacji i ich wpływ na działanie sieci neuronowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Wymienia główne metryki oceny modeli i wyjaśnia ich znaczenie w kontekście różnych problemów | Rozróżnia między accuracy, precision, recall, F1-score, AUC-ROC i stosuje je prawidłowo | Test teoretyczny z wynikiem generowanym automatycznie |
| Opisuje, która metryka jest właściwa dla niezbalansowanych zbiorów danych i problemów krytycznych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Buduje i trenuje modele uczenia maszynowego, dobierając odpowiednie algorytmy do problemu | Konstruuje modele klasyfikacji i regresji przy użyciu bibliotek Python na rzeczywistych zbiorach danych | Analiza dowodów i deklaracji |
| Przeprowadza selekcję cech, normalizację danych oraz optymalizację hiperparametrów | Analiza dowodów i deklaracji | |
| Ocenia jakość modelów przy użyciu odpowiednich metryk i technik walidacji krzyżowej | Dobiera i oblicza metryki ewaluacyjne takie jak accuracy, precision, recall, F1-score, AUC-ROC | Analiza dowodów i deklaracji |
| Stosuje walidację krzyżową oraz inne techniki oceny zdolności generalizacji modelu na nieznanych danych | Analiza dowodów i deklaracji | |
| Przygotowuje dane do modelowania poprzez czyszczenie, transformację i inżynierię cech | Wykonuje eksploracyjną analizę danych, identyfikuje i obsługuje brakujące wartości oraz wartości odstające | Analiza dowodów i deklaracji |
| Przeprowadza transformacje danych, kodowanie zmiennych kategorycznych i tworzenie nowych cech | Analiza dowodów i deklaracji | |
| Wdraża transfer learning w celu zmniejszenia czasu trenowania i poprawy wydajności modelu | Adaptuje wagi modelu wytrenowanego na dużych zbiorach danych do nowego problemu | Analiza dowodów i deklaracji |
| Porównuje wyniki uczenia transferowego (transfer learning) z uczeniem od podstaw oraz ocenia efektywność czasową i zasobową | Analiza dowodów i deklaracji | |
| Komunikuje wyniki analiz i rekomendacje modeli sztucznej inteligencji w zrozumiałej formie | Prezentuje wyniki modelowania na prostych wizualizacjach i wykresach zrozumiałych dla interesariuszy niezatrudnionych w AI | Analiza dowodów i deklaracji |
| Wyjaśnia decyzje modelu oraz ograniczenia jego stosowania w języku dostępnym dla osób niezajmujących się technicznie | Analiza dowodów i deklaracji | |
| Pracuje w zespołach interdyscyplinarnych, dostosowując się do potrzeb różnych interesariuszy projektów | Współpracuje z inżynierami danych (data engineers), menedżerami produktu (product managers) i przedstawicielami biznesu nad wspólnymi celami projektowymi | Analiza dowodów i deklaracji |
| Uwzględnia informacje zwrotne od członków zespołu i wprowadza ulepszenia w pracy nad modelami AI | Analiza dowodów i deklaracji | |
| Ocenia ryzyko związane z wdrażaniem systemów sztucznej inteligencji oraz podejmuje decyzje odpowiedzialnie | Identyfikuje potencjalne stronniczości (bias) oraz negatywne konsekwencje wdrażania modelu dla różnych grup użytkowników | Analiza dowodów i deklaracji |
| Rekomenduje działania mitygujące ryzyko i zapewniające uczciwe i bezpieczne działanie systemów AI | Analiza dowodów i deklaracji | |
| Zarządza projektami naukowymi poprzez planowanie, monitorowanie i dokumentowanie postępów pracy | Planuje iteracyjny proces eksperymentów, definiuje kamienie milowe i monitoruje realizację harmonogramu | Analiza dowodów i deklaracji |
| Dokumentuje procesy budowania modeli, eksperymenty oraz uzyskane wyniki w sposób umożliwiający odtworzenie pracy | Analiza dowodów i deklaracji |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęICVC Certyfikacja Sp. z o.o.
- Nazwa Podmiotu certyfikującegoTalent Odyssey Ltd
Program
Program
Szkolenie przygotowuje pracowników firm do praktycznego wykorzystania sztucznej inteligencji w codziennej pracy biznesowej — od automatyzacji powtarzalnych zadań, przez analizę danych klientów, po budowanie własnych modeli predykcyjnych. Program łączy solidne podstawy teoretyczne z intensywnymi warsztatami na rzeczywistych danych biznesowych. Uczestnicy poznają narzędzia i techniki AI, które bezpośrednio przekładają się na efektywność operacyjną, lepsze decyzje zarządcze i przewagę konkurencyjną firmy. Kurs prowadzi do uzyskania kwalifikacji GCCS — Specjalista ds. Sztucznej Inteligencji (AI), potwierdzonej certyfikatem ICVC Certyfikacja Sp. z o.o.
Szkolenie prowadzone jest w godzinach dydaktycznych (1 godzina dydaktyczna = 45 minut). Przerwy wliczają się w łączny czas trwania usługi.
Usługa korzysta ze zwolnienia z podatku VAT w przypadku, gdy dofinansowanie wynosi co najmniej 70% ze środków publicznych. W pozostałych przypadkach do ceny netto doliczany jest podatek VAT w wysokości 23%.
MODUŁ 1- AI w biznesie: algorytmy uczenia maszynowego w praktyce firm
- Jak firmy wykorzystują sztuczną inteligencję do predykcji sprzedaży, segmentacji klientów i wykrywania anomalii
- Trzy paradygmaty uczenia maszynowego (nadzorowane, nienadzorowane, wzmacniające) — kiedy który stosować w kontekście biznesowym
- Przegląd algorytmów klasyfikacji i regresji z perspektywy zastosowań firmowych
- Warsztaty: budowanie pierwszych modeli predykcyjnych na danych biznesowych (scoring klientów, predykcja churnu, klasyfikacja zgłoszeń) przy użyciu Python i scikit-learn
- Selekcja cech i optymalizacja parametrów modelu
MODUŁ 2 - Dane firmowe jako paliwo AI: od surowych danych do gotowego modelu
- Jak przygotować dane z CRM, ERP i arkuszy kalkulacyjnych do analizy AI
- Eksploracyjna analiza danych biznesowych (EDA) — identyfikacja trendów, anomalii i brakujących wartości
- Normalizacja, standaryzacja i kodowanie zmiennych
- Tworzenie nowych cech z danych firmowych (feature engineering) — np. RFM klienta, wskaźniki aktywności, zmienne sezonowe
- Problem overfittingu: dlaczego model działa na danych historycznych, ale nie sprawdza się na nowych klientach — techniki zapobiegania (regularyzacja, walidacja krzyżowa, dropout)
- Warsztaty: pełny pipeline przetwarzania danych biznesowych od surowego eksportu do gotowego datasetu
MODUŁ 3 - Technologie AI w firmie: od rozpoznawania dokumentów po generatywne AI
- Jak działają sieci neuronowe — neurony, warstwy, funkcje aktywacji
- Sieci konwolucyjne (CNN) — automatyczne rozpoznawanie dokumentów, faktur, zdjęć produktów
- Sieci rekurencyjne (RNN/LSTM) — analiza tekstu reklamacji, opinii klientów, danych szeregów czasowych
- Transformery — jak działają ChatGPT, Claude i inne modele językowe wykorzystywane w firmach do automatyzacji komunikacji, generowania treści i analizy danych
- Ćwiczenia: identyfikacja odpowiedniej technologii AI do konkretnego problemu biznesowego
MODUŁ 4 - Mierzenie skuteczności AI i raportowanie wyników dla zarządu
- Metryki oceny modeli AI w kontekście biznesowym: accuracy, precision, recall, F1-score, AUC-ROC
- Kiedy 95% accuracy to za mało — dobór metryki do specyfiki problemu (wykrywanie fraudów, diagnostyka, scoring kredytowy)
- Macierz pomyłek i jej interpretacja biznesowa
- Techniki walidacji modelu: walidacja krzyżowa (k-fold, stratified k-fold), podział train/validation/test
- Wizualizacja wyników AI dla interesariuszy — jak prezentować ROI wdrożenia AI zarządowi i osobom nietechnicznym
- Warsztaty: pełna ocena modelu na danych biznesowych + przygotowanie raportu dla decydentów
MODUŁ 5 - Gotowe modele AI dla Twojej firmy: transfer learning zamiast budowania od zera
- Transfer learning — adaptacja gotowych modeli AI (GPT, BERT, ResNet) do specyficznych potrzeb firmy zamiast kosztownego budowania od zera
- Fine-tuning: jak dostosować pretrenowany model do danych firmowych w godziny zamiast tygodni
- Porównanie efektywności i kosztów: transfer learning vs uczenie od podstaw
- Praktyczne zastosowania: klasyfikacja dokumentów firmowych, analiza sentymentu opinii klientów, rozpoznawanie produktów
- Warsztaty: adaptacja pretrenowanego modelu do zadania biznesowego
MODUŁ 6 - AI Act, etyka i zarządzanie projektami AI w organizacji
- EU AI Act — obowiązki firm wdrażających systemy AI (Art. 4: wymóg kompetencji AI od lutego 2025, klasyfikacja ryzyka, kategorie wysokiego ryzyka)
- Stronniczość (bias) modeli AI — jak wpływa na decyzje HR, kredytowe i marketingowe; techniki wykrywania i mitygowania
- Komunikacja wyników AI w języku biznesowym: storytelling z danymi, XAI (Explainable AI), tłumaczenie decyzji modeli dla zarządu i klientów
- Zarządzanie projektem AI w firmie: od pilotażu po skalowanie, role w zespole (data engineer, product manager, data scientist), dokumentowanie eksperymentów
- Warsztaty: przygotowanie business case wdrożenia AI dla zarządu fikcyjnej firmy
WALIDACJA - Test wiedzy + Analiza dowodów i deklaracji
Walidacja szkolenia odbywa się w dwóch etapach i jest prowadzona przez podmiot zewnętrzny — ICVC Certyfikacja Sp. z o.o.
- Etap 1 - Test teoretyczny: test wiedzy realizowany w formie online za pośrednictwem platformy ICVC. Wynik testu generowany jest automatycznie bezpośrednio po jego zakończeniu. Test obejmuje zagadnienia z obszaru wiedzy teoretycznej.
- Etap 2 - Analiza dowodów i deklaracji: uczestnik przedstawia dokumentację potwierdzającą nabycie umiejętności praktycznych i kompetencji społecznych — mogą to być: zrzuty ekranu kodu, wyniki uruchomionych notebooków Jupyter, dokumentacja projektów, raporty z eksperymentów.
Wynik testu dostępny jest automatycznie. Certyfikat GCCS wydawany jest przez ICVC Certyfikacja Sp. z o.o. w terminie do 7 dni roboczych od pozytywnego zakończenia procesu walidacji.
Harmonogram
Harmonogram
| Przedmiot / temat | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat 1 z 14 Moduł 1 (cz.1): AI w biznesie — paradygmaty ML, zastosowania w firmach | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 27-06-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 09:30 | Liczba godzin 01:30 |
Przedmiot / temat 2 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 27-06-2026 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 09:45 | Liczba godzin 00:15 |
Przedmiot / temat 3 z 14 Moduł 1 (cz.2): Budowa modeli predykcyjnych — warsztaty Python | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 27-06-2026 | Godzina rozpoczęcia 09:45 | Godzina zakończenia 11:15 | Liczba godzin 01:30 |
Przedmiot / temat 4 z 14 Przerwa obiadowa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 27-06-2026 | Godzina rozpoczęcia 11:15 | Godzina zakończenia 11:45 | Liczba godzin 00:30 |
Przedmiot / temat 5 z 14 Moduł 2 (cz.1): Dane firmowe jako paliwo AI — EDA, normalizacja | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 27-06-2026 | Godzina rozpoczęcia 11:45 | Godzina zakończenia 13:15 | Liczba godzin 01:30 |
Przedmiot / temat 6 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 27-06-2026 | Godzina rozpoczęcia 13:15 | Godzina zakończenia 13:30 | Liczba godzin 00:15 |
Przedmiot / temat 7 z 14 Moduł 2 (cz.2) + Moduł 3: Inżynieria cech, technologie AI w firmie | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 27-06-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 15:30 | Liczba godzin 02:00 |
Przedmiot / temat 8 z 14 Moduł 4: Mierzenie skuteczności AI — metryki, raportowanie dla zarządu | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 28-06-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 09:30 | Liczba godzin 01:30 |
Przedmiot / temat 9 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 28-06-2026 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 09:45 | Liczba godzin 00:15 |
Przedmiot / temat 10 z 14 Moduł 5: Transfer learning — gotowe modele AI dla firmy | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 28-06-2026 | Godzina rozpoczęcia 09:45 | Godzina zakończenia 11:15 | Liczba godzin 01:30 |
Przedmiot / temat 11 z 14 Przerwa obiadowa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 28-06-2026 | Godzina rozpoczęcia 11:15 | Godzina zakończenia 11:45 | Liczba godzin 00:30 |
Przedmiot / temat 12 z 14 Moduł 6: AI Act, etyka AI, zarządzanie projektami AI w organizacji | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 28-06-2026 | Godzina rozpoczęcia 11:45 | Godzina zakończenia 13:15 | Liczba godzin 01:30 |
Przedmiot / temat 13 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 28-06-2026 | Godzina rozpoczęcia 13:15 | Godzina zakończenia 13:30 | Liczba godzin 00:15 |
Przedmiot / temat 14 z 14 Test online, analiza dowodów i deklaracji, rozdanie certyfikatów. | Prowadzący Podmiot Zwenętrzny | Data realizacji zajęć 28-06-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 15:30 | Liczba godzin 02:00 |
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 319,80 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 260,00 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 200,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 162,60 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 200,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 162,60 PLN |
Prowadzący
Prowadzący
DAWID DOMAŃSKI
Ukończył kursy EITCA Business Information Technologies Programme (2023), EITC/AI/AIF Artificial Intelligence Fundamentals (2023) oraz AI od podstaw (2024). Od 2024 roku prowadzi szkolenia z wykorzystania AI w biznesie i optymalizacji procesów. Łączy wiedzę technologiczną z praktycznym podejściem do transformacji cyfrowej i zrównoważonego rozwoju przedsiębiorstw.
W 2025 ukończył dodatkowo szkolenia: ślad węglowy organizacji, transformacja energetyczna, Firma bezpieczna cyfrowo
Prowadzący posiada doświadczenie kwalifikacje zdobyte nie wcześniej niż 5 lat przed datą publikacji usługi w BUR
Podmiot Zwenętrzny
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały dydaktyczne:
Każdy uczestnik otrzymuje:
• Prezentację multimedialną w formacie PDF (drukowana i/lub elektroniczna),
• Skrypt szkoleniowy z opisem algorytmów
• Teczka kursanta
Warunki uczestnictwa
Warunki uczestnictwa:
• Wiek: minimum 18 lat,
• Szkolenie jest dostępne zarówno dla osób z doświadczeniem w danym obszarze, jak i dla osób bez wcześniejszego doświadczenia - wszystkie niezbędne umiejętności nabywane są w trakcie szkolenia.
• Uczestnik zobowiązany jest do aktywnego udziału w co najmniej 80% zajęć.
Informacje dodatkowe
Usługa jest zwolniona z podatku VAT w przypadku, kiedy przedsiębiorstwo zwolnione jest z podatku VAT lub dofinansowanie wynosi co najmniej 70%. W innej sytuacji do ceny netto doliczany jest podatek VAT w wysokości 23%. Podstawa: § 3 ust. 1 pkt 14 Rozporządzenia Ministra Finansów
Po pozytywnym przejściu procesu walidacji uczestnik otrzymuje certyfikat GCCS — Specjalista ds. Sztucznej Inteligencji (AI) wydany przez ICVC Certyfikacja Sp. z o.o. Certyfikat wydawany jest w terminie do 7 dni roboczych od zakończenia walidacji.
Adres
Adres
Udogodnienia w miejscu realizacji usługi
- Klimatyzacja
- Wi-fi
- Laboratorium komputerowe