Wykorzystanie dużych modeli językowych wraz z tworzeniem narzędzi AI bez kodowania
Wykorzystanie dużych modeli językowych wraz z tworzeniem narzędzi AI bez kodowania
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Grupa docelowa usługi
Szkolenie jest skierowane do founderów, solopreneurów, specjalistów ds. marketingu i sprzedaży, menedżerów operacyjnych, project managerów oraz osób odpowiedzialnych za rozwój i automatyzację procesów biznesowych. Usługa jest przeznaczona dla osób, które chcą w przyszłości wykonywać zawód : AI Automation Specialist, No-code / Low-code Builder, Specjalista ds. wdrożeń AI.
- Minimalna liczba uczestników2
- Maksymalna liczba uczestników30
- Data zakończenia rekrutacji11-09-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- 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 |
|---|---|---|
| 1.Wyjaśnia pojęcie dużego 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 | |
| 2. Omawia korzyści płynące ze stosowania dużych 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 | |
| 3. 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 | |
| omawia proces strojenia hiperparametrów dużych modeli językowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| 4. 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 | |
| 5. 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 | |
| 6. 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 | |
| 7. 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 | |
| 8. 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 | |
| 10. 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 | |
| 11. 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 | |
| 12. 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 | |
| 13. 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 wpływać na prywatność danych osobowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| 14. 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 wykorzystanie dużych modeli językowych | Test teoretyczny z wynikiem generowanym automatycznie | |
| 15. 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 | |
| 16. 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
- Nazwa Podmiotu certyfikującegoPolski Instytut Kompetencji Przyszłości
Program
Program
Warunki osiągnięcia celu edukacyjnego:
Uczestnik powinien posiadać podstawową swobodę obsługi komputera, przeglądarki internetowej i plików, a także gotowość do systematycznej pracy nad własnym projektem między zjazdami. Wskazana jest podstawowa znajomość języka angielskiego pozwalająca na korzystanie z interfejsów narzędzi cyfrowych i dokumentacji technicznej. Nie jest wymagana umiejętność programowania.
Osiągnięcie celu edukacyjnego wymaga aktywnego udziału w zajęciach, realizacji ćwiczeń warsztatowych, przygotowania własnego MVP, wykonania testów w środowisku rzeczywistym podczas tygodnia pracy własnej oraz przystąpienia do walidacji końcowej.
Program szkolenia obejmuje 68 godzin intensywnej praktyki, podzielonych na 8 modułów wdrożeniowych:
Moduł 1. Fundamenty i Wprowadzenie do sztucznej inteligencji i dużych modeli językowych (LLM)
- •Możliwości i ograniczenia sztucznej inteligencji w biznesie.
- •Identyfikacja procesów biznesowych, które warto automatyzować.
- •Wybór własnego procesu do realizacji w trakcie szkolenia.
- •Mapowanie procesu i określanie jego etapów.
- •Identyfikacja interesariuszy oraz problemów w procesie.
- •Definiowanie mierników KPI dla automatyzacji.
- •Szacowanie ROI i przygotowanie wstępnego business case.
Moduł 2. Make, bezpieczeństwo, AI Governance, EU AI Act i NIS2
- •Wprowadzenie do środowiska Make i budowa pierwszego scenariusza.
- •Wykorzystanie webhooków do uruchamiania automatyzacji.
- •Łączenie wielu aplikacji w jednym workflow.
- •Routery, filtry i warunki w scenariuszach Make.
- •Obsługa błędów i zabezpieczanie automatyzacji przed awariami.
- •Projektowanie własnego scenariusza automatyzacji.
- •Podstawy AI Governance i bezpiecznego korzystania z API.
- •Klasyfikacja własnego projektu w kontekście EU AI Act.
- •Wstępna ocena organizacji w kontekście wymagań NIS2.
- •Przygotowanie pierwszej wersji dokumentu ryzyka projektu.
Moduł 3. n8n i workflow techniczne
- •Wprowadzenie do narzędzia n8n.
- •Instalacja i konfiguracja pierwszego workflow.
- •Różnice między Make a n8n oraz dobór narzędzia do projektu.
- •Integracje systemów przez API.
- •Przekształcanie i porządkowanie danych w workflow.
- •Tworzenie automatycznych harmonogramów zadań typu cron.
- •Projektowanie workflow z myślą o wykorzystaniu produkcyjnym.
Moduł 4. Agenci AI i bezpieczeństwo agentów
- •Podstawy prompt engineeringu.
- •Tworzenie promptów zapewniających powtarzalne i użyteczne odpowiedzi.
- •Budowa asystenta AI dla wybranej roli biznesowej.
- •Definiowanie instrukcji, kontekstu i zakresu działania asystenta.
- •Quality gates, czyli kontrola jakości odpowiedzi AI.
- •Audyt odpowiedzi generowanych przez model AI.
- •Ryzyko prompt injection i sposoby jego ograniczania.
- •Bezpieczna praca z RAG i bazą wiedzy.
- •Kontrola dostępu do danych oraz rola człowieka w procesie decyzyjnym.
Moduł 5. Dane, CRM i anatomia JSON
- •Podstawy struktur danych JSON.
- •Odczytywanie, parsowanie i transformowanie danych z API.
- •Projektowanie uporządkowanej struktury danych.
- •Tworzenie i wykorzystywanie baz danych w Airtable.
- •Podstawy relacji między danymi.
- •Integracja Airtable z automatyzacją.
- •Synchronizacja danych z systemem HubSpot CRM.
- •Projektowanie przepływu danych między narzędziami.
Moduł 6. Komunikacja i obsługa klienta
- •Automatyzacja skrzynki e-mail.
- •Klasyfikacja i triaż zgłoszeń z wykorzystaniem AI.
- •Projektowanie automatycznych odpowiedzi i przekierowań.
- •Human-in-the-loop, czyli ścieżki przekazania sprawy do człowieka.
- •Ustalanie zasad SLA i poziomów eskalacji.
- •Wykorzystanie Slacka jako interfejsu do obsługi powiadomień.
- •Projektowanie systemu wsparcia klienta z udziałem AI.
Moduł 7. Landing Pages i formularze
- •Budowa prostego landing page bez kodowania.
- •Projektowanie formularza zbierającego dane kontaktowe i zgłoszenia.
- •Integracja formularza z Make.
- •Automatyczne przekazywanie leadów do CRM lub bazy danych.
- •Konfiguracja automatycznych powiadomień dla zespołu.
- •Podstawowe zasady bezpieczeństwa formularzy.
- •Ochrona formularza przed spamem.
- •Publikacja własnej strony zintegrowanej z automatyzacją.
Moduł 8. Budowa MVP i OSINT
- •Przygotowanie planu budowy własnego MVP.
- •Rozwijanie wybranego rozwiązania AI lub no-code.
- •Konsultacje indywidualne dotyczące projektu.
- •Prezentacja postępów i wprowadzanie ulepszeń.
- •Wprowadzenie do OSINT i zastosowań biznesowych.
- •Budowa systemu monitoringu konkurencji i rynku.
- •Wykorzystanie AI do analizy i podsumowywania informacji.
- •Łączenie automatyzacji, modelu AI i bazy danych w systemie OSINT.
Moduł 9. Praca własna i testy
- •Testowanie MVP w rzeczywistym środowisku pracy.
- •Sprawdzanie poprawności działania automatyzacji.
- •Zbieranie informacji zwrotnej od użytkowników.
- •Identyfikacja błędów, ograniczeń i obszarów do poprawy.
- •Wprowadzanie zmian do własnego rozwiązania.
- •Przygotowanie raportu z testów.
Moduł 10. Wdrożenie, FinOps i Compliance
- •Przygotowanie SOP, czyli standardowej procedury operacyjnej.
- •Tworzenie checklisty handover do przekazania rozwiązania.
- •Planowanie wdrożenia rozwiązania w organizacji.
- •FinOps: kalkulacja kosztów narzędzi, API i utrzymania automatyzacji.
- •Przygotowanie dokumentacji ryzyka i compliance.
- •Uzupełnienie dokumentacji w kontekście EU AI Act i NIS2.
- •Prezentacja końcowa własnego rozwiązania.
- •Przygotowanie planu dalszego rozwoju projektu na 3–6 miesięcy.
Warunkiem ukończenia jest obecność na minimum 80% zajęć(monitorowana na podstawie raportu logowań) oraz pozytywny wynik testu końcowego. Absolwenci otrzymują zaświadczenie o ukończeniu szkolenia i certyfikat uzyskania kwalifikacji.
Harmonogram
Harmonogram
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 34 Moduł 1: Otwarcie, możliwości i ograniczenia AI oraz analiza procesów biznesowych | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 12-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 2 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 12-09-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 3 z 34 Moduł 1: Identyfikacja procesu, mapa procesu, KPI, ROI i business case | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 12-09-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 17:00 | Liczba godzin 03:30 |
Przedmiot / temat 4 z 34 Moduł 2: Make — wprowadzenie, pierwszy scenariusz i łączenie aplikacji | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 13-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 5 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 13-09-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 6 z 34 Moduł 2: Make — error handling, własny scenariusz, AI Governance, EU AI Act i NIS2 | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 13-09-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 17:00 | Liczba godzin 03:30 |
Przedmiot / temat 7 z 34 Moduł 3: n8n — instalacja i pierwszy workflow | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 14-09-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 8 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 14-09-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 9 z 34 Moduł 3: n8n — API, transformacje danych i harmonogram cron | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 14-09-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 10 z 34 Moduł 4: Prompt engineering i budowa asystenta AI | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 15-09-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 11 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 15-09-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 12 z 34 Moduł 4: Quality gates, bezpieczeństwo agentów AI i RAG | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 15-09-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 13 z 34 Moduł 5: Anatomia danych JSON i projektowanie struktury danych | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 16-09-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 14 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 16-09-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 15 z 34 Moduł 5: Integracja danych — Airtable i HubSpot | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 16-09-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 16 z 34 Moduł 6: Automatyzacja skrzynki mailowej i triaż zgłoszeń | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 17-09-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 17 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 17-09-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 18 z 34 Moduł 6: Human-in-the-loop, SLA, eskalacje i Slack | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 17-09-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 19 z 34 Moduł 7: Budowa landing page i podstawy konwersji | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 18-09-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 20 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 18-09-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 21 z 34 Moduł 7: Integracja z Make, bezpieczeństwo formularza i własna strona | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 18-09-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 22 z 34 Moduł 8: Plan budowy MVP i konsultacje indywidualne | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 19-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 23 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 19-09-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 24 z 34 Moduł 8: OSINT — zastosowania biznesowe, demonstracja i budowa systemu monitoringu | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 19-09-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 17:00 | Liczba godzin 03:30 |
Przedmiot / temat 25 z 34 Moduł 8: Konsultacje indywidualne i budowa MVP | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 20-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 26 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 20-09-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 27 z 34 Moduł 8: Prezentacje MVP, plan testów i podsumowanie | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 20-09-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 17:00 | Liczba godzin 03:30 |
Przedmiot / temat 28 z 34 Moduł 10: Wyniki testów, SOP i handover | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 26-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 29 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 26-09-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 30 z 34 Moduł 10: FinOps, dokumentacja ryzyka i compliance oraz prezentacje końcowe — część I | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 26-09-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 17:00 | Liczba godzin 03:30 |
Przedmiot / temat 31 z 34 Moduł 10: Prezentacje końcowe — części II i III | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 27-09-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 32 z 34 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 27-09-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 33 z 34 Moduł 10: Sesja Q&A, plan rozwoju, zakończenie i certyfikaty | Typ aktywności Zajęcia | Prowadzący dr Grzegorz Popko | Data realizacji zajęć 27-09-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 16:00 | Liczba godzin 02:30 |
Przedmiot / temat 34 z 34 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 21-10-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:50 | Liczba godzin 01:50 |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 68:50 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 59:45 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 01:50 |
Rodzaj godzin w tym suma przerw | Liczba godzin 07:15 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 82:05 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 6 190,00 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 6 190,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 89,93 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 89,93 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 500,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 500,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 490,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 490,00 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 68:50 |
Prowadzący
Prowadzący
dr Grzegorz Popko
Od 2020 roku wykładowca akademicki — obecnie adiunkt w Wyższej Szkole Kształcenia Zawodowego we Wrocławiu, wcześniej w Polsko-Japońskiej Akademii Technik Komputerowych oraz American Business and Development University w Miami (USA). Autor 15 publikacji naukowych z obszaru zarządzania IT, transformacji cyfrowej, robotyki i sztucznej inteligencji. Łączy wiedzę akademicką z praktyką operacyjną — to fundament wysokiego poziomu merytorycznego jego szkoleń. Doświadczenie zawodowe/kwalifikacje nabyte nie wcześniej niż 5 lat przed datą publikacji usługi w BUR
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Narzędzia i materiały wykorzystywane w czasie zajęć:
- N8N
- Chat GPT
- Gemini
- Claude
- Make
Szkolenie będzie miało charakter warsztatowy. Każdy z uczestników po ukończeniu szkolenia otrzyma prezentację multimedialną z podsumowaniem szkolenia.
Informacje dodatkowe
- Jednostka czasowa: 1 godzina = 60 minut
- Do uzyskania certyfikatu i zaświadczenia wymagane jest uczestnictwo w minimum 80% zajęć
- Obecność uczestników potwierdzona będzie raportem logowań z każdego spotkania
- Przerwy oraz zajęcia organizacyjne wchodzą w czas trwania szkolenia
- Walidacja wlicza się do czasu trwania szkolenia
W przypadku potrzeby zapewnienia specjalnych udogodnień, przed zapisem na usługę, prosimy o kontakt.
Warunki uczestnictwa
Wstępne wymagania do uczestnictwa w szkoleniu (przed rozpoczęciem szkolenia):
- Przynajmniej podstawowa wiedza dotycząca dużych modeli językowych
- Przynajmniej podstawowa umiejętność korzystania z dużych modeli językowych, w szczególności umiejętność zalogowania się do modelu, uruchomienia oraz pisania podstawowych poleceń
Warunki techniczne
Warunki techniczne
Usługa będzie realizowana w formie zdalnej, w czasie rzeczywistym, za pośrednictwem platformy ZOOM.
1. Platforma / komunikator
Szkolenie prowadzone będzie poprzez platformę ZOOM, umożliwiającą udział w zajęciach na żywo, udostępnianie ekranu, pracę na materiałach oraz komunikację.
2. Minimalne wymagania sprzętowe
Uczestnik powinien dysponować komputerem spełniającym poniższe warunki:
- komputer stacjonarny lub laptop (system: Windows 10+, macOS 10.15+),
- procesor min. Intel i3 / AMD Ryzen 3 lub odpowiednik,
- min. 4 GB RAM (zalecane 8 GB),
- sprawna kamera internetowa,
- sprawny mikrofon oraz głośniki lub słuchawki,
- stabilne połączenie zasilania (zalecane korzystanie z laptopa podłączonego do ładowarki).
3. Minimalne wymagania dotyczące łącza internetowego
Uczestnik musi dysponować stabilnym łączem internetowym o parametrach:
- minimalna prędkość: 5 Mbps download / 2 Mbps upload,
- prędkość zalecana: 10 Mbps download / 5 Mbps upload,
- połączenie przewodowe lub stabilne Wi-Fi (zalecane 5 GHz).
Dla komfortu pracy zaleca się korzystanie z połączenia internetowego o możliwie stałym i szybkim działaniu.
4. Niezbędne oprogramowanie
- Minimalne wymagania sprzętowe, jakie musi spełniać komputer Uczestnika lub inne urządzenie do zdalnej komunikacji - komputer, laptop lub inne urządzenie z dostępem do internetu
- Minimalne wymagania dotyczące parametrów łącza sieciowego, jakim musi dysponować Uczestnik - minimalna prędkość łącza: 512 KB/sek
- Niezbędne oprogramowanie umożliwiające Uczestnikom dostęp do prezentowanych treści i materiałów - komputer, laptop lub inne urządzenie z dostępem do internetu. Nie ma potrzeby instalowania specjalnego oprogramowania.
- Okres ważności linku umożliwiającego uczestnictwo w spotkaniu on-line - od momentu rozpoczęcia szkolenia do momentu zakończenia szkolenia
- Potrzebna jest zainstalowana najbardziej aktualna oficjalna wersja jednej z przeglądarek: Google Chrome, Mozilla Firefox, Safari, Edge lub Opera. Procesor dwurdzeniowy 2GHz lub lepszy (zalecany czterordzeniowy); 2GB pamięci RAM (zalecane 4GB lub więcej); System operacyjny taki jak Windows 8 (zalecany Windows 10), Mac OS wersja 10.13 (zalecana najnowsza wersja), Linux, Chrome OS. Łącze internetowe o minimalnej przepustowości do zapewnienia transmisji dźwięku 512Kb/s, zalecane min. 2 Mb/s oraz min. 1 Mb/s do zapewnienia transmisji łącznie dźwięku i wizji, zalecane min. 2,5 Mb/s.
Uwagi dodatkowe:
- Upewnij się, że przeglądarka jest zaktualizowana do najnowszej wersji, aby zapewnić kompatybilność i bezpieczeństwo.
- W przypadku korzystania z przeglądarki zaleca się wyłączenie blokowania reklam oraz używanie połączenia internetowego o możliwie stabilnym i szybkim działaniu.
- Kontakt w przypadku problemów technicznych do osoby odpowiedzialnej za techniczną pomoc pod numerem telefonu 513 152 070 lub mail: kontakt@mpadvisors.pl
- Kody dostępowe do usługi będa podane do 2 dni przed usługą.