Szkolenie: Wykorzystanie dużych modeli językowych
Szkolenie: Wykorzystanie dużych modeli językowych
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Internet
- Grupa docelowa usługi
Usługa skierowana jest do przedsiębiorców, kadry zarządzającej, specjalistów IT, analityków danych, pracowników administracyjnych, marketingu, HR, obsługi klienta oraz osób zainteresowanych praktycznym wykorzystaniem dużych modeli językowych (LLM) w środowisku pracy. Szkolenie adresowane jest również do osób chcących rozwijać kompetencje cyfrowe i przygotować się do uzyskania kwalifikacji rynkowej „Wykorzystanie dużych modeli językowych” funkcjonującej w Zintegrowanym Systemie Kwalifikacji. Uczestnikami mogą być osoby wykorzystujące lub planujące wykorzystywać narzędzia AI do analizy danych, automatyzacji procesów, generowania treści, komunikacji, przetwarzania języka naturalnego oraz wspierania procesów biznesowych i decyzyjnych w organizacji.
- Minimalna liczba uczestników4
- Maksymalna liczba uczestników30
- Data zakończenia rekrutacji27-08-2026
- Forma prowadzenia usługistacjonarna
- 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 wykorzystywania dużych modeli językowych (LLM) w środowisku zawodowym, w tym do tworzenia i optymalizacji promptów, analizy i przetwarzania informacji z wykorzystaniem narzędzi AI, automatyzacji wybranych procesów oraz świadomego i bezpiecznego stosowania rozwiązań opartych na sztucznej inteligencji zgodnie z wymaganiami kwalifikacji rynkowej „Wykorzystanie dużych modeli językowych” funkcjonującej w Zintegrowanym Systemie Kwalifikacji.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Wyjaśnia pojęcie modelu językowego | definiuje pojęcie dużego modelu językowego | Test teoretyczny z wynikiem generowanym automatycznie |
| omawia zasady i zastosowanie dużych modeli językowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Omawia korzyści płynące ze stosowania modeli językowych w różnych dziedzinach | wskazuje dziedziny, w których duże modele językowe są stosowane do osiągnięcia lepszych wyników | Test teoretyczny z wynikiem generowanym automatycznie |
| omawia zastosowanie dużych modeli językowych w praktyce, ilustrując korzyści płynące z ich wykorzystania. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Opisuje proces trenowania dużych modeli językowych | opisuje pojęcia związane z tworzeniem dużych modeli językowych np. tokenizacja, uczenie nienadzorowane, uczenie nadzorowane, modele sekwencyjne | Test teoretyczny z wynikiem generowanym automatycznie |
| opisuje etapy trenowania dużych modeli językowych np. zbieranie i przygotowywanie danych, wybór architektury modelu, trenowanie modelu, walidacja i testowanie, optymalizacja, wdrażanie, monitorowanie i aktualizacja | Test teoretyczny z wynikiem generowanym automatycznie | |
| 0mawia proces strojenia hiperparametrów dużych modeli językowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Wykorzystuje gotowe duże modele językowe do generowania tekstu na podstawie zestawu danych | prezentuje sposób instalacji i konfiguracji najczęściej stosowanych bibliotek (np. GPT - Generative Pre-trained Transformer, BART - Bidirectional and Auto-Regressive Transformers) oraz związanych z nimi narzędzi | Obserwacja w warunkach symulowanych |
| przygotowuje dane wejściowe do generowania tekstu w języku naturalnym za pomocą dużych modeli językowych | Analiza dowodów i deklaracji | |
| uruchamia duży model językowy | Obserwacja w warunkach symulowanych | |
| Wykorzystuje wstępnie trenowane duże modele językowe | przedstawia proces dostosowania dużych modeli językowych do konkretnego zadania lub konkretnej domeny | Obserwacja w warunkach symulowanych |
| dostosowuje duży model językowy do wskazanego zadania lub wskazanej domeny | Obserwacja w warunkach symulowanych | |
| generuje tekst przy użyciu dużego modelu językowego dostosowanego do tego zadania lub do tej domeny | Analiza dowodów i deklaracji | |
| Wykorzystuje techniki inżynierii instrukcji (prompt engineering) do efektywnego zastosowania dużych modeli językowych | wyjaśnia pojęcie inżynierii instrukcji (prompt engineering) | Test teoretyczny z wynikiem generowanym automatycznie |
| omawia, jak instrukcja (prompt) wpływa na wyniki generowane przez duże modele językowe | Test teoretyczny z wynikiem generowanym automatycznie | |
| tworzy efektywną instrukcję (prompt) | Analiza dowodów i deklaracji | |
| analizuje jakość i użyteczność wyników generowanych przez duży model językowy przy użyciu różnych instrukcji (promptów) i strategii | Obserwacja w warunkach symulowanych | |
| wykorzystuje inżynierię instrukcji (prompt engineering) w kontekście zastosowań dużych modeli językowych (np. analiza tekstu, generowanie treści, automatyzacja zadań) | Obserwacja w warunkach symulowanych | |
| Ocenia jakość dużego modelu językowego na podstawie wygenerowanych tekstów | wyjaśnia, jakie metryki automatyczne i manualne są stosowane do oceny jakości wygenerowanych tekstów | Test teoretyczny z wynikiem generowanym automatycznie |
| wyjaśnia, jak interpretować wyniki metryk automatycznych i manualnych stosowanych do oceny jakości wygenerowanych tekstów | Test teoretyczny z wynikiem generowanym automatycznie | |
| stosuje metryki automatyczne i manualne do oceny jakości wygenerowanych tekstów | Obserwacja w warunkach symulowanych | |
| interpretuje wyniki zastosowania metryk automatycznych i manualnych do oceny jakości wygenerowanych tekstów | Test teoretyczny z wynikiem generowanym automatycznie | |
| Dostosowuje parametry dużych modeli językowych w celu uzyskania lepszych wyników | omawia kluczowe parametry dużego modelu językowego (np. temperatura, wielkość okna kontekstowego | Obserwacja w warunkach symulowanych |
| konfiguruje parametry dużych modeli językowych w celu poprawy jakości generowanych tekstów | Obserwacja w warunkach symulowanych | |
| Wyjaśnia, w jaki sposób duże modele językowe mogą wspomagać proces analizy zbiorów danych tekstowych i formułowanie wniosków | omawia, jak duże modele językowe mogą ułatwić analizę zbiorów danych tekstowych i pozyskiwanie istotnych informacji | Test teoretyczny z wynikiem generowanym automatycznie |
| omawia zastosowanie dużych modeli językowych w analizie zbiorów danych tekstowych (np. w badaniu sentymentu, ekstrakcji informacji, klasyfikacji tekstów) | Test teoretyczny z wynikiem generowanym automatycznie | |
| demonstruje, jak wykorzystać duże modele językowe do analizy zbiorów danych tekstowych i formułowania wniosków | Obserwacja w warunkach symulowanych | |
| Wykorzystuje duże modele językowe do automatyzacji zadań związanych z analizą tekstu i przetwarzaniem języka naturalnego | omawia proces integracji dużych modeli językowych z istniejącymi narzędziami w celu automatyzacji zadań związanych z analizą tekstu | Test teoretyczny z wynikiem generowanym automatycznie |
| demonstruje, jak używać dużych modeli językowych do automatyzacji różnych zadań przetwarzania języka naturalnego (np. tłumaczenie, podsumowywanie, generowanie odpowiedzi na pytania) | Obserwacja w warunkach symulowanych | |
| Rozpoznaje zastosowania dużych modeli językowych w różnych branżach | opisuje zastosowanie dużych modeli językowych w różnych branżach | Test teoretyczny z wynikiem generowanym automatycznie |
| omawia korzyści i zagrożenia wynikające z zastosowania dużych modeli językowych w różnych branżach | Test teoretyczny z wynikiem generowanym automatycznie | |
| Charakteryzuje zagrożenia związane z wykorzystaniem dużych modeli językowych i możliwe działania mające na celu minimalizowanie tych zagrożeń | identyfikuje potencjalne zagrożenia związane z wykorzystaniem dużych modeli językowych (np. naruszenie prywatności, nieodpowiednie generowanie treści, dezinformacja, halucynacje) | Test teoretyczny z wynikiem generowanym automatycznie |
| wskazuje metody minimalizowania zagrożeń związanych z wykorzystaniem dużych modeli językowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Charakteryzuje zasady ochrony danych osobowych w kontekście dużych modeli językowych | identyfikuje potencjalne zagrożenia związane z wykorzystaniem dużych modeli językowych w kontekście ochrony danych osobowych | Test teoretyczny z wynikiem generowanym automatycznie |
| opisuje, jak duże modele językowe mogą wpłynąć na prywatność danych osobowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Ocenia wpływ dużych modeli językowych na bezpieczeństwo danych instytucjonalnych | identyfikuje możliwości naruszeń zasad ochrony danych instytucjonalnych | Test teoretyczny z wynikiem generowanym automatycznie |
| wyjaśnia, jak zasady ochrony danych instytucjonalnych wpływają na wykorzystywanie dużych modeli językowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Identyfikuje zagrożenia związane z dyskryminacją i uprzedzeniami możliwe przy wykorzystywaniu dużych modeli językowych | wskazuje, w jaki sposób dane treningowe wpływają na generowanie treści dyskryminujących lub wyrażających uprzedzenia | Test teoretyczny z wynikiem generowanym automatycznie |
| wyjaśnia, jak zidentyfikować treści dyskryminujące lub wyrażające uprzedzenia i redukować występowanie tych treści w dużych modelach językowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Opisuje zasady przestrzegania praw autorskich w kontekście wykorzystywania dużych modeli językowych | wskazuje, w jaki sposób wykorzystywanie dużych modeli językowych może prowadzić do naruszenia praw autorskich | Test teoretyczny z wynikiem generowanym automatycznie |
| rozpoznaje sytuacje, w których wynik działania dużego modelu językowego może naruszyć prawa autorskie | Test teoretyczny z wynikiem generowanym automatycznie | |
| wskazuje metody zapobiegania naruszeniom praw autorskich podczas wykorzystywania dużych modeli językowych | Test teoretyczny z wynikiem generowanym automatycznie |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje włączone do Zintegrowanego Systemu Kwalifikacji
- KwalifikacjeWykorzystanie dużych modeli językowych
- Kod kwalifikacji zarejestrowanej w ZRK
- Nazwa Podmiotu prowadzącego walidacjęPolski Instytut Kompetencji Przyszłości - ID instytucji w ZRK: 32206
- Nazwa Podmiotu certyfikującegoPolski Instytut Kompetencji Przyszłości - ID instytucji w ZRK: 32206
Program
Program
Ramowy program usługi
Szkolenie organizowane w formie wykładowej z demonstracjami live (ok. 20–30%) oraz warsztatowej i praktycznej (ok. 70–80%) z wykorzystaniem narzędzi AI i dużych modeli językowych. Uczestnicy wykonują ćwiczenia indywidualne i grupowe, analizują case studies oraz realizują zadania praktyczne związane z wykorzystaniem LLM w środowisku zawodowym i biznesowym. Szkolenie kończy się walidacją i egzaminem potwierdzającym kwalifikację rynkową „Wykorzystanie dużych modeli językowych” (ZRK 14160).
Dzień 1 – Podstawy dużych modeli językowych i zastosowania biznesowe
- Wprowadzenie do sztucznej inteligencji i dużych modeli językowych (LLM)
- definicje i podstawowe pojęcia,
- rodzaje modeli językowych,
- możliwości i ograniczenia LLM,
- zastosowania AI w organizacjach i procesach biznesowych.
- Zasady działania dużych modeli językowych
- tokenizacja i przetwarzanie języka naturalnego,
- proces trenowania modeli,
- modele generatywne i predykcyjne,
- parametry modeli i ich wpływ na wyniki.
- Wykorzystanie LLM w codziennej pracy
- generowanie treści,
- tworzenie podsumowań i analiz,
- automatyzacja komunikacji,
- wykorzystanie AI w marketingu, HR, administracji i obsłudze klienta.
- Warsztaty praktyczne
- praca z popularnymi narzędziami AI,
- pierwsze prompty i analiza odpowiedzi modeli,
- generowanie tekstów użytkowych,
- ćwiczenia praktyczne z wykorzystania LLM.
Dzień 2 – Prompt engineering i efektywna praca z AI
- Prompt engineering – tworzenie skutecznych instrukcji
- zasady budowania promptów,
- struktura skutecznego polecenia,
- kontekst, role i ograniczenia,
- techniki optymalizacji promptów.
- Analiza jakości odpowiedzi modeli
- ocena trafności i jakości wyników,
- rozpoznawanie błędów i halucynacji,
- porównywanie rezultatów,
- interpretacja wyników generowanych przez AI.
- Automatyzacja pracy z wykorzystaniem LLM
- automatyczne tworzenie dokumentów,
- analiza danych tekstowych,
- generowanie raportów i podsumowań,
- integracja AI z procesami organizacyjnymi.
- Warsztaty praktyczne
- projektowanie zaawansowanych promptów,
- ćwiczenia z automatyzacji zadań,
- analiza przypadków biznesowych,
- optymalizacja odpowiedzi modeli.
Dzień 3 – Bezpieczeństwo, etyka i zaawansowane zastosowania AI
- Ochrona danych i bezpieczeństwo informacji
- zasady bezpiecznego korzystania z AI,
- ochrona danych osobowych,
- bezpieczeństwo danych organizacyjnych,
- ryzyka związane z wykorzystaniem modeli językowych.
- Etyka i odpowiedzialne wykorzystanie AI
- uprzedzenia i dyskryminacja modeli,
- dezinformacja i halucynacje,
- odpowiedzialność za treści generowane przez AI,
- zgodność z regulacjami i dobrymi praktykami.
- Prawa autorskie i własność intelektualna
- wykorzystanie treści generowanych przez AI,
- ryzyka naruszenia praw autorskich,
- dobre praktyki pracy z materiałami generowanymi przez modele językowe.
- Warsztaty praktyczne
- analiza ryzyk i błędów modeli,
- tworzenie bezpiecznych procesów wykorzystania AI,
- analiza studiów przypadków,
- praktyczne scenariusze zastosowań LLM.
Dzień 4 – Zastosowania praktyczne i egzamin kwalifikacyjny
- Wykorzystanie LLM w analizie danych i procesach biznesowych
- analiza tekstu i danych,
- klasyfikacja i interpretacja informacji,
- tworzenie workflow z wykorzystaniem AI,
- wspieranie procesów decyzyjnych.
- Projekt praktyczny
- samodzielna realizacja zadania z wykorzystaniem LLM,
- opracowanie promptów i analiza rezultatów,
- prezentacja efektów pracy uczestników,
- omówienie rozwiązań.
- Powtórzenie materiału i przygotowanie do walidacji
- podsumowanie kluczowych zagadnień,
- konsultacje i sesja pytań,
- omówienie zasad egzaminu.
- Walidacja efektów uczenia się i egzamin potwierdzający kwalifikację (2h)
- test teoretyczny,
- zadanie praktyczne realizowane w warunkach symulowanych,
- analiza dowodów i deklaracji,
- ocena zgodnie z wymaganiami kwalifikacji rynkowej „Wykorzystanie dużych modeli językowych” (ZRK 14160).
Szkolenie adresowane jest do:
- przedsiębiorców,
- kadry zarządzającej,
- specjalistów IT,
- analityków danych,
- pracowników administracyjnych,
- pracowników działów marketingu, HR i obsługi klienta,
- osób zainteresowanych praktycznym wykorzystaniem sztucznej inteligencji i dużych modeli językowych w pracy zawodowej,
- osób planujących potwierdzenie kompetencji kwalifikacją rynkową „Wykorzystanie dużych modeli językowych” funkcjonującą w Zintegrowanym Systemie Kwalifikacji.
Usługa skierowana jest również do osób chcących rozwijać kompetencje cyfrowe związane z wykorzystaniem narzędzi AI, automatyzacją procesów, analizą danych tekstowych, generowaniem treści oraz efektywnym wykorzystaniem dużych modeli językowych w organizacji.
Warunki organizacyjne i sposób realizacji usługi
Szkolenie realizowane jest w formie wykładowo-warsztatowej z wykorzystaniem metod interaktywnych i aktywizujących uczestników. Proces uczenia się oparty jest na stopniowym rozwijaniu kompetencji – od zagadnień podstawowych do bardziej zaawansowanych zastosowań dużych modeli językowych w środowisku zawodowym. Uczestnicy podczas zajęć pracują z wykorzystaniem rzeczywistych narzędzi AI i dużych modeli językowych dostępnych na rynku.
W trakcie usługi uczestnicy:
- wykonują ćwiczenia praktyczne,
- analizują case studies,
- realizują zadania indywidualne i grupowe,
- opracowują prompty i scenariusze wykorzystania AI,
- pracują na rzeczywistych przykładach zastosowań modeli językowych,
- analizują wyniki generowane przez modele AI,
- uczestniczą w symulacjach i warsztatach praktycznych.
Zajęcia realizowane są zarówno indywidualnie, jak i w grupach, co umożliwia rozwijanie kompetencji praktycznych, wymianę doświadczeń oraz analizę różnych sposobów wykorzystania dużych modeli językowych.
W celu zapewnienia wysokiej efektywności procesu uczenia się poziom trudności ćwiczeń i zadań wzrasta wraz z postępem szkolenia.
Szkolenie realizowane jest w wymiarze 32 godzin zegarowych, w tym:
- część teoretyczna: 8 godzin,
- część praktyczna warsztatowa: 18 godzin,
- walidacja i egzamin certyfikacyjny: 2 godziny.
- przerwy 4 godziny
Usługa prowadzona jest z wykorzystaniem narzędzi cyfrowych i platform komunikacyjnych umożliwiających realizację ćwiczeń praktycznych oraz pracy z dużymi modelami językowymi.
Walidacja efektów uczenia się
Walidacja efektów uczenia się realizowana jest jako odrębny etap procesu usługi rozwojowej, niezależny od procesu kształcenia, bez elementów dydaktycznych oraz bez udzielania wskazówek uczestnikom.
Walidacja realizowana jest po zakończeniu części szkoleniowej usługi i prowadzona jest zgodnie z wymaganiami kwalifikacji rynkowej „Wykorzystanie dużych modeli językowych” funkcjonującej w Zintegrowanym Systemie Kwalifikacji.
Proces walidacji obejmuje:
- test teoretyczny,
- zadania praktyczne realizowane w warunkach symulowanych,
- analizę dowodów i deklaracji uczestnika.
W ramach części praktycznej uczestnik wykonuje zadania związane z wykorzystaniem dużych modeli językowych, w szczególności:
- tworzeniem i optymalizacją promptów,
- generowaniem i analizą treści,
- wykorzystaniem AI do automatyzacji wybranych procesów,
- oceną jakości odpowiedzi modeli językowych,
- analizą ryzyk związanych z wykorzystaniem AI,
- zastosowaniem zasad bezpieczeństwa, ochrony danych i etycznego wykorzystania modeli językowych.
Przedmiotem obserwacji jest faktyczne działanie uczestnika, w tym sposób pracy z modelami językowymi, poprawność wykonywanych zadań, adekwatność zastosowanych rozwiązań oraz umiejętność praktycznego wykorzystania narzędzi AI.
Walidacja jest realizowana z wykorzystaniem narzędzi cyfrowych oraz platform komunikacyjnych wykorzystywanych podczas szkolenia
Dowodami walidacyjnymi są:
- wyniki testu teoretycznego,
- wykonane zadania praktyczne,
- opracowane prompty i wygenerowane materiały,
- arkusze oceny,
- protokół walidacji sporządzony przez walidatora.
Test teoretyczny:
- minimum 60% poprawnych odpowiedzi.
Część praktyczna:
- minimum 60% punktów uzyskanych w ramach oceny zadania praktycznego zgodnie z kryteriami kwalifikacji rynkowej „Wykorzystanie dużych modeli językowych”.
Walidacja prowadzona jest przez podmiot certyfikujący – Polski Instytut Kompetencji Przyszłości (PIKP) – zgodnie z wymaganiami określonymi dla kwalifikacji rynkowej. Proces prowadzony jest przez osoby walidujące posiadające wymagane kompetencje i uprawnienia.
Certyfikacja kwalifikacji rynkowej
Certyfikacja stanowi odrębny proces od szkolenia i obejmuje potwierdzenie osiągnięcia efektów uczenia się wymaganych dla kwalifikacji rynkowej „Wykorzystanie dużych modeli językowych”.
Ocena efektów uczenia się dokonywana jest zgodnie z procedurami podmiotu certyfikującego oraz zasadami funkcjonowania Zintegrowanego Systemu Kwalifikacji. Proces certyfikacji realizowany jest przez komisję walidacyjną/certyfikacyjną powołaną przez podmiot certyfikujący.
Po pozytywnym zakończeniu procesu certyfikacji uczestnik uzyskuje certyfikat potwierdzający kwalifikację rynkową funkcjonującą w Zintegrowanym Systemie Kwalifikacji przypisaną do 6 poziomu PRK.
Certyfikaty wydawane są uczestnikom:
- w formie elektronicznej (PDF) – do 3 dni po zakończeniu procesu walidacji,
- w formie papierowej – do 30 dni od zakończenia procesu walidacji.
Uczestnik, który ukończy szkolenie, ale nie uzyska pozytywnego wyniku procesu certyfikacji, otrzymuje zaświadczenie ukończenia usługi rozwojowej bez potwierdzenia kwalifikacji rynkowej.
Warunkiem ukończenia usługi rozwojowej jest:
- udział w minimum 80% zajęć,
- przystąpienie do procesu walidacji/certyfikacji.
Uzyskanie kwalifikacji rynkowej następuje wyłącznie po pozytywnym zakończeniu procesu walidacji i certyfikacji zgodnie z wymaganiami Zintegrowanego Systemu Kwalifikacji.
Harmonogram
Harmonogram
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 15 Podstawy dużych modeli językowych i zastosowania biznesowe | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 29-08-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:00 | Liczba godzin 03:00 |
Przedmiot / temat 2 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 29-08-2026 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 13:00 | Liczba godzin 01:00 |
Przedmiot / temat 3 z 15 Warsztaty praktyczne i praca z modelami językowymi | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 29-08-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 17:00 | Liczba godzin 04:00 |
Przedmiot / temat 4 z 15 Prompt engineering i efektywna praca z AI | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 30-08-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:00 | Liczba godzin 03:00 |
Przedmiot / temat 5 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 30-08-2026 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 13:00 | Liczba godzin 01:00 |
Przedmiot / temat 6 z 15 Automatyzacja procesów i warsztaty praktyczne | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 30-08-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 17:00 | Liczba godzin 04:00 |
Przedmiot / temat 7 z 15 Bezpieczeństwo, etyka i ochrona danych | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 05-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:00 | Liczba godzin 03:00 |
Przedmiot / temat 8 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 05-09-2026 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 13:00 | Liczba godzin 01:00 |
Przedmiot / temat 9 z 15 Warsztaty praktyczne i analiza case studies | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 05-09-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 17:00 | Liczba godzin 04:00 |
Przedmiot / temat 10 z 15 Zastosowania praktyczne dużych modeli językowych | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 06-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:00 | Liczba godzin 03:00 |
Przedmiot / temat 11 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 06-09-2026 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 13:00 | Liczba godzin 01:00 |
Przedmiot / temat 12 z 15 Projekt praktyczny i przygotowanie do walidacji | Typ aktywności Zajęcia | Prowadzący Michał Leś | Data realizacji zajęć 06-09-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 14:45 | Liczba godzin 01:45 |
Przedmiot / temat 13 z 15 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 07-09-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 19:45 | Liczba godzin 00:45 |
Przedmiot / temat 14 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 07-09-2026 | Godzina rozpoczęcia 19:45 | Godzina zakończenia 20:00 | Liczba godzin 00:15 |
Przedmiot / temat 15 z 15 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 07-09-2026 | Godzina rozpoczęcia 20:00 | Godzina zakończenia 21:15 | Liczba godzin 01:15 |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 32:00 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 25:45 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 02:00 |
Rodzaj godzin w tym suma przerw | Liczba godzin 04:15 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 37:00 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 8 610,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 7 000,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 269,06 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 218,75 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 615,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 500,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 615,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 500,00 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 32:00 |
Prowadzący
Prowadzący
Michał Leś
Posiada doświadczenie w pracy z przedsiębiorcami i zespołami, dla których projektuje szkolenia nastawione na realne wdrożenia, a nie teorię. Łączy wiedzę technologiczną z podejściem biznesowym, dzięki czemu uczestnicy szybko przekładają zdobytą wiedzę na konkretne rezultaty.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Uczestnicy szkolenia otrzymują materiały dydaktyczne w formie elektronicznej, przygotowane zgodnie z wymaganiami kwalifikacji rynkowej „Wykorzystanie dużych modeli językowych” funkcjonującej w Zintegrowanym Systemie Kwalifikacji oraz zakresem merytorycznym stosowanym przez podmiot certyfikujący – Polski Instytut Kompetencji Przyszłości (PIKP).
Materiały przekazywane uczestnikom obejmują w szczególności:
- prezentacje szkoleniowe,
- materiały warsztatowe przygotowane przez trenera
- podręcznik do przygotowania się do egzaminu ZSK - pdf
Materiały zgodne ze standardem WCAG 2.1
Warunki uczestnictwa
Ukończone 18 lat
Uczestnik podczas szkolenia musi dysponować komputerem z dostępem do internetu w celach realizacji ćwiczeń, walidacji/certyfikacji. Dopuszcza się korzystanie z tabletu lub innych urządzeń mobilnych, o ile umożliwiają one pełny dostęp do platformy szkoleniowej oraz narzędzi wykorzystywanych podczas zajęć.
Wymagania sprzętowe do procesu certyfikacji:
- łącze internetowe – preferowane łącze szerokopasmowe lub bezprzewodowe ((kablówka, światłowód, szybkie LTE, 5G). Minimalne wymagania (typu łącze 3G/4G lub jakiekolwiek szerokopasmowe) oznaczają dolny próg wejścia – na takim łączu da się połączyć z ZOOM, ale komfort może być różny.
- głośnik i mikrofon
- kamerka internetowa (wbudowana lub plug-in)
- System operacyjny:Windows 10 lub nowszy / macOS / Linux / Android / iOS
Można korzystać na tablecie i urządzeniach mobilnych.
Informacje dodatkowe
W przypadku osób z dofinansowaniem powyżej 70% usługa zwolniona z VAT na podstawie art. 43 ust. 1 pkt 29 litera a) ustawy o VAT i § 3 ust. 1 pkt 14 Rozporządzenia Ministra Finansów z dnia 20 grudnia 2013 r. w sprawie zwolnień od podatku od towarów i usług oraz warunków stosowania tych zwolnień (tekst jednolity Dz.U. z 2025r., poz. 832)
Organizator zapewnia dostępność osobom ze szczególnymi potrzebami podczas realizacji usług rozwojowych zgodnie z Ustawą z dnia 19 lipca 2019 r. o zapewnianiu dostępności osobom ze szczególnymi potrzebami (Dz.U. 2022 poz. 2240) oraz „Standardami dostępności dla polityki spójności 2021-2027”.
W przypadku potrzeby zapewnienia specjalnych udogodnień prosimy o kontakt pod numerem 500 026 554 lub mailem na psulkowski@gmail.com przed zapisem na usługę!