Szkolenie - Sztuczna inteligencja w branży detailingowej i instalacji folii okiennych ze Sławomirem Słowińskim - zielone algorytmy AI, optymalizacja zasobów i redukcja śladu węglowego (kwalifikacje)

ZIELONE UMIEJĘTNOŚCI WG ESCO (uzasadnienie zielonego charakteru usługi): Zakres szkolenia i kompetencje są zielone na podstawie bazy danych ESCO – wykazu przykładowych zielonych umiejętności opracowanych przez Komisję Europejską:

• projektowanie i wdrażanie energooszczędnych modeli AI (Green AI / Sustainable ML)
• analiza śladu węglowego procesu uczenia maszynowego i optymalizacja zasobów obliczeniowych
• stosowanie zasad GOZ w detailingu za pomocą AI (klasyfikacja odpadów, optymalizacja chemii, predykcja trwałości folii)
• racjonalne gospodarowanie zasobami warsztatu poprzez systemy predykcyjne AI (woda, energia, materiały)
• wdrażanie systemów monitorowania i raportowania ESG (ISO 14001) z wykorzystaniem AI
• promowanie odpowiedzialnego i etycznego wykorzystania AI w MŚP
• kształtowanie postaw proekologicznych poprzez świadome decyzje projektowe (architektury energooszczędne, kompresja modeli, transfer learning)

ZGODNOŚĆ Z PRT WOJEWÓDZTWA ŚLĄSKIEGO 2019–2030:

• PRT 4. Technologie informacyjne i telekomunikacyjne (ICT) – projektowanie modeli AI, sieci neuronowych, systemów rekomendacyjnych
• PRT 1. Technologie dla ochrony środowiska – AI w technologiach odzysku, niskoodpadowych technologiach produkcji, redukcji niskiej emisji w detailingu

ZGODNOŚĆ Z RIS WOJEWÓDZTWA ŚLĄSKIEGO 2030:

• inteligentna specjalizacja: ICT – globalne sieci współpracy, transformacja cyfrowa MŚP
• inteligentna specjalizacja: Zielona gospodarka – czyste technologie, GOZ, ekotechnologie wspierane AI
• inteligentna specjalizacja: Przemysły wschodzące – innowacyjne usługi cross-sektorowe (AI + motoryzacja + ekologia)

Szkolenie prowadzi do nabycia kwalifikacji rynkowej „Specjalista ds. Sztucznej Inteligencji (AI)" w nurcie zielonym (Green), wpisanej do Zintegrowanego Rejestru Kwalifikacji.

PROGRAM SZKOLENIA:

Dzień 1 (8:00–16:00, 8 h zegarowych w tym 1 h przerw)

8:00 – 9:30 (1 h 30 min) – Wprowadzenie do AI i uczenia maszynowego w kontekście zielonej gospodarki (teoria)

• algorytmy nadzorowane vs nienadzorowane – różnice w analizach środowiskowych detailingu i folii okiennych
• modele predykcyjne do minimalizacji nadprodukcji materiałów (folie, chemia) i zużycia energii
• zielone kompetencje cyfrowe w PRT 4, PRT 1 oraz RIS Województwa Śląskiego 2030
• wymogi kwalifikacji „Specjalista ds. AI" – wiedza, umiejętności, kompetencje społeczne

9:30 – 11:00 (1 h 30 min) – Wpływ przetwarzania danych AI na zużycie energii i emisje CO₂ (teoria)

• związek między wielkością zbiorów treningowych a zapotrzebowaniem energetycznym infrastruktury
• metody redukcji śladu węglowego AI (efficient training, edge AI, federated learning)
• ślad środowiskowy chmury obliczeniowej vs lokalnych GPU – jak liczyć i raportować
• inicjatywy: Green Software Foundation, ML CO2 Impact Calculator

11:00 – 11:30 (30 min) – Przerwa

11:30 – 12:30 (1 h) – Dane środowiskowe w modelach prognostycznych dla detailingu i folii (teoria)

• klasyfikacja danych: sensoryczne (czujniki w warsztacie), satelitarne (UV, jakość powietrza), stacjonarne
• wskaźniki zrównoważonego rozwoju jako zmienne w algorytmach (zużycie wody, emisje VOC, odpady chemiczne)
• monitoring warunków pracy z folią okienną/PPF – temperatura, wilgotność, intensywność UV
• jakość danych vs przeuczenie modelu

12:30 – 13:30 (1 h) – Ekonomia o obiegu zamkniętym (GOZ) i AI – cykl życia produktu w detailingu (teoria)

• etapy cyklu życia folii i chemii detailingowej, w których AI wspiera decyzje ekologiczne (LCA wspomagane ML)
• systemy rekomendacyjne dla konsumpcji odpowiedzialnej – dobór folii o najmniejszym wpływie środowiskowym
• klasyfikatory AI dla segregacji i recyklingu odpadów detailingowych
• przejście warsztatu z modelu liniowego na cyrkularny

13:30 – 14:00 (30 min) – Przerwa

14:00 – 16:00 (2 h) – Praktyka: opracowywanie modeli predykcyjnych AI uwzględniających parametry środowiskowe (praktyka)

• konfiguracja środowiska Google Colab i wprowadzenie do scikit-learn (bez wymagań programistycznych)
• projektowanie modelu AI integrującego ≥3 zmienne środowiskowe (zużycie folii, energii, wody)
• dokumentowanie sposobu, w jaki model wspiera zmniejszenie negatywnego wpływu na środowisko (case: studio folii okiennych)
• wstępna ocena jakości modelu i raport z wnioskami środowiskowymi

Dzień 2 (8:00–16:00, 8 h zegarowych w tym 1 h przerw)

8:00 – 9:00 (1 h) – Konfiguracja architektur sieci neuronowych dla minimalizacji zużycia energii obliczeniowej (teoria)

• porównanie mocy obliczeniowej różnych architektur (MLP, CNN, transformer) – wybór rozwiązania energooszczędnego
• techniki kompresji modelu: pruning, kwantyzacja, dystylacja wiedzy
• uczenie transferowe (transfer learning) jako sposób na ograniczenie kosztu treningowego
• przykłady: rozpoznawanie uszkodzeń lakieru, klasyfikacja stanu folii

9:00 – 10:00 (1 h) – Optymalizacja rozmiaru zbiorów treningowych i redukcja śladu węglowego procesu uczenia (teoria + ćwiczenie)

• analiza wpływu wielkości zbioru treningowego na dokładność i koszty zasobów
• techniki próbkowania (active learning, stratified sampling) zmniejszające ślad węglowy
• dokumentowanie decyzji o eliminacji zbędnych danych
• ocena dojrzałości modelu vs rosnące zużycie energii – kryterium „kiedy wystarczy"

10:00 – 10:30 (30 min) – Przerwa

10:30 – 11:30 (1 h) – Wdrażanie systemów monitorowania i raportowania wpływu modeli AI na środowisko (praktyka)

• opracowanie wskaźników (KPI) zużycia energii, emisji i danych wdrożeniowych
• prezentowanie raportu analitycznego z rekomendacjami zmniejszenia negatywnego wpływu
• konfiguracja prostego dashboardu ESG (przykłady dla MŚP motoryzacyjnego)
• integracja z systemami zarządzania środowiskowego (ISO 14001)

11:30 – 13:00 (1 h 30 min) – Etyka AI, RODO i odpowiedzialne zarządzanie danymi w projektach AI (teoria + praktyka)

• zasady retencji, anonimizacji i bezpiecznego usuwania danych zgodnie z RODO
• standardy etyki AI (UNESCO, EU AI Act, NIST AI RMF) w usługach dla klientów detailingu
• bezpieczeństwo danych klientów (zdjęcia pojazdów, VIN, dane kontaktowe) – studium przypadku
• demonstracja świadomości bezpieczeństwa danych i odpowiedzialnego korzystania z informacji

13:00 – 13:30 (30 min) – Przerwa

13:30 – 14:30 (1 h) – Komunikacja wyników badań i rekomendacji ESG dla różnych interesariuszy (praktyka)

• prezentowanie wniosków o wpływie modelu AI na środowisko w sposób przystępny dla niespecjalistów (klient, dostawca, regulator)
• uzasadnianie znaczenia parametrów ekologicznych w decyzjach projektowych
• formułowanie raportu zrównoważonego rozwoju dla MŚP detailingowego
• współpraca w interdyscyplinarnych zespołach (AI + motoryzacja + ekologia)

14:30 – 15:00 (30 min) – Ciągłe doskonalenie i najnowsze praktyki Green AI (praktyka)

• przykłady nowych metod i standardów Green AI / Sustainable ML
• planowe zarządzanie czasem i zasobami projektowymi zgodnie z zasadami zrównoważonego rozwoju
• źródła aktualnej wiedzy: arXiv Green AI, IEA, Green Software Foundation, ISO/IEC 42001
• planowanie własnej ścieżki rozwoju jako Specjalista ds. AI w nurcie zielonym

15:00 – 16:00 (1 h) – Walidacja

• test teoretyczny (30 min) – weryfikacja wiedzy (W1–W4) i kompetencji społecznych (KS1–KS4): algorytmy ML, ślad węglowy AI, GOZ, etyka AI, bezpieczeństwo danych
• analiza dowodów i deklaracji (30 min) – weryfikacja umiejętności praktycznych (U1–U4) na podstawie zaprojektowanego modelu AI, model card, raportu śladu węglowego i dashboardu ESG

Proces walidacji uczestników: Walidacja uczestników jest niezależna od procesu szkoleniowego. Osoba prowadząca szkolenie nie bierze udziału w ocenie swoich kursantów w zakresie, którego nauczała. Końcową walidację przeprowadza niezależny egzaminator (podmiot zewnętrzny). Wynik przeprowadzonej walidacji jest ogłaszany od razu po zakończeniu szkolenia. Proces walidacji prowadzony jest w formie testu wiedzy oraz analizy dowodu i deklaracji.

Skrypt szkoleniowy (format PDF) – obejmujący pełny zakres merytoryczny usługi:

E-podręcznik „Zielone kompetencje AI" (format PDF) – materiał uzupełniający dotyczący zasad zrównoważonego rozwoju

• Warunkiem uzyskania zaświadczenia jest uczestnictwo w co najmniej 80% zajęć usługi rozwojowej
• 1 godzina rozliczeniowa = 45 minut
• Karta niniejszej usługi rozwojowej została przygotowana zgodnie z obowiązującym Regulaminem Bazy Usług Rozwojowych
• Walidacja przeprowadzona będzie w formie testu wiedzy oraz analizy dowodów

Usługa zwolniona z VAT na podstawie §3 ust. 1 pkt 14 rozporządzenia Ministra Finansów z dnia 20 grudnia 2013r. w sprawie zwolnień od podatku od towarów i usług oraz warunków stosowania tych zwolnień (Dz.U.2013 poz. 1722 z późniejszymi zmianami)

Zapisując się na usługę wyrażasz zgodę na rejestrowanie/nagrywanie swojego wizerunku na potrzeby monitoringu oraz kontroli.