Wirtualny Stylista Zero Waste z AI i Machine Learning – programowanie rozwiązań dla ekologicznej mody i beauty – szkolenie z kwalifikacjami
Wirtualny Stylista Zero Waste z AI i Machine Learning – programowanie rozwiązań dla ekologicznej mody i beauty – szkolenie z kwalifikacjami
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Grupa docelowa usługi
Szkolenie skierowane jest do osób zainteresowanych rozwojem kompetencji w zakresie sztucznej inteligencji, Machine Learning, analizy danych i podstaw programowania rozwiązań AI w obszarze fashion & beauty. Uczestnik nauczy się wykorzystywać Python i narzędzia cyfrowe do tworzenia rozwiązań wspierających ograniczanie nadmiernej konsumpcji, odpadów i wpływu środowiskowego. Nie jest wymagane wcześniejsze doświadczenie w programowaniu.
- Minimalna liczba uczestników2
- Maksymalna liczba uczestników10
- Data zakończenia rekrutacji30-10-2026
- 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
Szkolenie przygotowuje uczestników do samodzielnego tworzenia, testowania i wdrażania prostych rozwiązań AI i Machine Learning wspierających ekologiczne decyzje w modzie i beauty. Uczestnicy nauczą się wykorzystywać Python, Google Colab, analizę i integrację danych oraz modele ML do ograniczania nietrafionych zakupów, nadprodukcji, odpadów i emisji CO₂ oraz wspierania zasad gospodarki obiegu zamkniętego.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 środowiskowych | 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 mogące 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 optymalizujące rozkład zasobów oraz zmniejszające straty i odpady | Dobiera odpowiednie algorytmy do minimalizacji nadprodukcji na podstawie analizy danych historycznych | Analiza dowodów i deklaracji |
| Waliduje modele na danych bieżących w celu zapewnienia dokładności predykcji zużycia zasobów | Analiza dowodów i deklaracji | |
| Konstruuje systemy monitorowania parametrów środowiskowych z wykorzystaniem technik transfer learning | Wybiera i konfiguruje modele lekkie zmniejszające zużycie energii obliczeniowej | Analiza dowodów i deklaracji |
| Integruje dane z czujników i systemów IoT do śledzenia wskaźników ekologicznych w czasie rzeczywistym | Analiza dowodów i deklaracji | |
| Implementuje algorytmy optymalizacyjne do planowania tras i procesów logistycznych zmniejszających emisje | Programuje rozwiązania obejmujące zmienne czasu, dystansu, paliwa i emisji CO2 w jednym modelu | Analiza dowodów i deklaracji |
| Testuje efektywność algorytmów poprzez porównanie kosztów i wpływu na środowisko | Analiza dowodów i deklaracji | |
| Wdraża systemy AI wspierające procesy decyzyjne w zakresie redukcji emisji i zarządzania odpadami | Projektuje interfejsy umożliwiające automatyczne lub wspomagane działania zmniejszające wpływ na środowisko | Analiza dowodów i deklaracji |
| Integruje wyjścia systemów AI z procesami operacyjnymi organizacji celem zwiększenia efektywności ekologicznej | Analiza dowodów i deklaracji | |
| Komunikuje wyniki analiz AI uwzględniające aspekty zrównoważonego rozwoju dla różnych odbiorców | Objaśnia złożone wyniki modelowania w zrozumiały sposób dla decydentów pozatechnicznych | Analiza dowodów i deklaracji |
| Argumentuje rekomendacje AI odnośnie do działań proekologicznych, opierając się na danych i zmiennościach | Analiza dowodów i deklaracji | |
| Ocenia i wprowadza działania ulepszające etykę i przejrzystość systemów AI we wdrażanych rozwiązaniach | Stosuje zasady odpowiedzialności AI, uwzględniając wpływ decyzji systemów na interesariuszy | Analiza dowodów i deklaracji |
| Dokumentuje i wyjaśnia procesy walidacji danych oraz decyzji podejmowane przez algorytmy | Analiza dowodów i deklaracji | |
| Współpracuje w zespołach interdyscyplinarnych, integrując perspektywy techniczne i ekologiczne | Pracuje ze specjalistami ds. ochrony środowiska, logistyki i produkcji nad wspólnymi celami | Analiza dowodów i deklaracji |
| Wspólnie opracowuje rozwiązania AI zgodnie z wymogami zrównoważonego rozwoju organizacji | Analiza dowodów i deklaracji | |
| Przestrzega zasad ochrony danych i prywatności przy obsługiwaniu wrażliwych informacji w systemach | Stosuje praktyki anonimizacji, retencji i bezpiecznego usuwania danych zgodnie z RODO | Analiza dowodów i deklaracji |
| Wdraża polityki zarządzania cyklem życia danych w modelach treningowych i produkcyjnych | Analiza dowodów i deklaracji |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęFundacja My Personality Skills
- Nazwa Podmiotu certyfikującegoFundacja My Personality Skills
Program
Program
Moduł I: Algorytmy AI w modzie i beauty zero waste: ograniczanie nadprodukcji, odpadów i zużycia energii
- Algorytmy uczenia nadzorowanego i nienadzorowanego oraz modele predykcyjne w ograniczaniu nadprodukcji, nietrafionych zakupów i odpadów.
- Wpływ AI i przetwarzania danych na zużycie energii i emisję CO₂ oraz sposoby ograniczania śladu węglowego modeli.
- Wprowadzenie do Google Colab, języka Python i bibliotek wykorzystywanych do analizy danych oraz tworzenia prostych modeli Machine Learning.
Narzędzia: Google Colab, Python, ChatGPT, Google Gemini, Microsoft Copilot, Teachable Machine.
Moduł II: Dane garderoby i kosmetyków w AI: kolorystyka, ślad środowiskowy i cykl życia produktu
- Dane dotyczące kolorystyki, garderoby, kosmetyków, opakowań, częstotliwości użycia i cyklu życia produktów.
- Wskaźniki środowiskowe: odpady, refill, second hand, upcycling, zużycie zasobów i emisja CO₂.
- Import, porządkowanie i integracja danych CSV i Google Sheets z wykorzystaniem Python w Google Colab.
- Podstawy integracji danych z czujników i systemów IoT na potrzeby monitorowania parametrów środowiskowych.
Narzędzia: Google Colab, Python, Google Sheets/CSV, ChatGPT, Google Gemini.
Moduł III: AI Lookbook i plan kosmetyków zero waste: predykcja potrzeb i ograniczanie nietrafionych zakupów
- Analiza danych dotyczących garderoby, kosmetyków, stylu życia i potrzeb użytkownika.
- Tworzenie w Google Colab prostego modelu Machine Learning wspierającego dobór stylizacji, wykorzystanie kosmetyków i ograniczanie zbędnych zakupów.
- Przygotowanie danych, wybór zmiennych, podział na dane treningowe i testowe oraz walidacja modelu.
- Zastosowanie transfer learning i lekkich modeli z uwzględnieniem ograniczania zużycia zasobów obliczeniowych.
- Ćwiczenie: uczestnik importuje dane, uruchamia i modyfikuje kod Python oraz tworzy i testuje prosty model rekomendacyjny zero waste.
Narzędzia:Google Colab, Python, pandas, scikit-learn, Google Sheets/CSV, ChatGPT, Google Gemini, Microsoft Copilot.
Moduł IV: Algorytmy wyboru zero waste: second hand, refill, upcycling i warianty o niższej emisji
- Analiza wariantów: własna garderoba, second hand, refill, naprawa, upcycling, wypożyczenie lub rezygnacja z zakupu.
- Integracja danych dotyczących kosztu, czasu, dystansu, transportu, paliwa, odpadów i emisji CO₂.
- Modyfikowanie skryptu Python porównującego warianty i wskazującego rozwiązanie o niższym wpływie środowiskowym.
- Ćwiczenie: uczestnik tworzy i testuje model wyboru uwzględniający zmienne ekonomiczne, użytkowe i środowiskowe.
Narzędzia:Google Colab, Python, pandas, Google Sheets/CSV, ChatGPT, Microsoft Copilot, Google Gemini.
Moduł V: Rekomendacje AI dla klientki: komunikacja, etyka i przejrzystość wyborów zero waste
- Interpretowanie i komunikowanie wyników modeli AI oraz uzasadnianie rekomendacji zero waste na podstawie danych.
- Ocena wpływu rekomendacji na konsumpcję, odpady i środowisko oraz dokumentowanie ograniczeń modelu.
- Przygotowanie prostego interfejsu prezentującego wyniki modelu i rekomendacje użytkownikowi.
- Integracja wyników modelu AI z procesem podejmowania decyzji dotyczących stylizacji, zakupów i wykorzystania posiadanych zasobów.
- Ćwiczenie: uczestnik prezentuje rekomendację AI wraz z uzasadnieniem stylistycznym, ekonomicznym i środowiskowym.
Narzędzia: Gamma.app, ManyChat, ChatGPT, Google Gemini, Canva AI.
Moduł VI: Bezpieczne dane w usłudze AI fashion & beauty: współpraca, prywatność i cykl życia danych klientki
- Role i współpraca przy tworzeniu rozwiązań AI fashion & beauty.
- Minimalizacja, anonimizacja, retencja i bezpieczne usuwanie danych użytkowników.
- Cykl życia danych: pozyskanie, analiza, wykorzystanie w modelu, przechowywanie i usunięcie.
- Ćwiczenie: uczestnik opracowuje procedurę bezpiecznej pracy z danymi wykorzystywanymi w rozwiązaniu AI.
Narzędzia: ChatGPT, Google Gemini, Google Sheets.
MODUŁ VII: WALIDACJA ORAZ CERTYFIKACJA
Szkolenie zakończone jest egzaminem wewnętrznym przeprowadzonym przez osobę powołaną do walidacji. Walidacja uczestników jest niezależna od procesu szkoleniowego. Osoba prowadząca szkolenie nie bierze udziału w ocenie swoich kursantów w zakresie, którego nauczała.
Szkolenie prowadzi do nabycia kwalifikacji zawodowej: SPECJALISTA DS. SZTUCZNEJ INTELIGENCJI
Wynik przeprowadzonej walidacji jest ogłaszany od razu po zakończeniu szkolenia. Czas oczekiwania na wydanie certyfikatu: do 7 dni po zakończeniu walidacji. Czas szkolenia uwzględnia czas oczekiwania na wydanie certyfikatu.
Końcową walidację przeprowadza niezależny egzaminator (podmiot zewnętrzny).
Metoda weryfikacji osiągnięcia efektów kształcenia, tj. realizacji celu edukacyjnego:
- test teoretyczny
- analiza dowodów i deklaracji
Czas trwania szkolenia: 16 godzin ZEGAROWYCH
Szkolenie składa się z 4h ZEGAROWYCH teoretycznych, 9h ZEGAROWYCH PRAKTYCZNYCH , 2h przerwy oraz 1h WALIDACJI.
Szkolenie „Wirtualny Stylista Zero Waste z AI i Machine Learning – programowanie rozwiązań dla ekologicznej mody i beauty – szkolenie z kwalifikacjami” jest skierowane do osób, które chcą rozwijać zielone umiejętności i dostosować swoje kompetencje do zmian wynikających z transformacji ekologicznej regionu.
Tematyka szkolenia jest zgodna z definicją zielonych umiejętności zawartą w Regulaminie naboru do projektu FESL 10.17. Program rozwija kompetencje potrzebne w zielonej gospodarce, szczególnie w zakresie stosowania nowoczesnych technologii, sztucznej inteligencji, zasobooszczędności, ograniczania odpadów, odpowiedzialnej konsumpcji oraz gospodarki obiegu zamkniętego.
Uczestnik uczy się wykorzystywać AI w modzie i beauty zero waste, w tym do analizy kolorystycznej, tworzenia kapsułowej garderoby, planowania stylizacji z posiadanych ubrań, makijażu zero waste oraz ograniczania nietrafionych zakupów. Szkolenie obejmuje także analizę cyklu życia ubrań i kosmetyków, wybór rozwiązań typu second hand, refill, reuse i upcycling oraz podejmowanie decyzji zakupowych opartych na danych.
Program rozwija umiejętność stosowania algorytmów AI, modeli predykcyjnych i systemów rekomendacyjnych do ograniczania nadprodukcji, marnowania zasobów, odpadów i emisji CO₂. Uczestnik uczy się również komunikować rekomendacje AI w sposób zrozumiały dla klientek oraz stosować zasady odpowiedzialnej, przejrzystej i etycznej AI, z uwzględnieniem ochrony danych.
Zielone kompetencje i umiejętności rozwijane podczas szkolenia:
- programowanie i testowanie prostych modeli Machine Learning oraz algorytmów wspierających ograniczanie nadprodukcji, odpadów i emisji CO₂,
- analizowanie i integrowanie danych środowiskowych, w tym danych z systemów IoT, na potrzeby podejmowania bardziej zasobooszczędnych decyzji,
- stosowanie lekkich modeli AI i racjonalnego przetwarzania danych w celu ograniczania zużycia zasobów obliczeniowych i energii,
- stosowanie AI w modzie, analizie kolorystycznej i beauty zero waste,
- tworzenie kapsułowej garderoby i AI Lookbooka z posiadanych zasobów,
- planowanie makijażu zero waste z wykorzystaniem dostępnych kosmetyków,
- ograniczanie nietrafionych zakupów, nadmiaru produktów i odpadów,
- analizowanie cyklu życia ubrań i kosmetyków,
- stosowanie zasad GOZ: reuse, refill, repair, upcycling i second hand,
- wybór rozwiązań o niższym wpływie środowiskowym,
- komunikowanie rekomendacji AI dotyczących stylizacji i makijażu zero waste,
- ochrona danych dotyczących wyglądu, preferencji, garderoby i kosmetyków klientki.
Szkolenie wspiera rozwój zielonych miejsc pracy, ponieważ przygotowuje uczestników do wykorzystywania AI w działaniach ograniczających nadmierną konsumpcję, odpady, emisję gazów cieplarnianych i nieefektywne wykorzystanie zasobów w branży fashion &beauty.
TEMATYKA SZKOLENIA JEST ZGODNA Z PROGRAMEM REGIONALNYM TECHNOLOGII NA LATA 2019-2030 W OBSZARZE TECHNOLOGIE TELEKOMUNIKACYJNE I INFORMACYJNE,
4.1 TECHNOLOGIE TELEKOMUNIKACYJNE
F8: SZTUCZNA INTELIGENCJA I UCZENIE MASZYNOWE
WARUNKI TECHNICZNE:
SALA WYPOSAŻONA W SPRZĘT KOMPUTEROWY.
Samodzielne stanowiska pracy.
WARUNKI ORGANIZACYJNE I OPIS CZĘŚCI PRAKTYCZNEJ:
Podział na grupy: Kursanci będą pracować pojedynczo, indywidualnie.
Stanowiska pracy: Każdy uczestnik otrzyma indywidualne stanowisko pracy wyposażone w:
- stół,
- krzesło,
- komputer.
Sposób realizacji warsztatu
Zajęcia będą prowadzone w formie praktycznych ćwiczeń wykonywanych samodzielnie przez uczestników na komputerach. Uczestnicy wykorzystują narzędzia sztucznej inteligencji oraz środowisko Google Colab, Python, pandas i scikit-learn do analizy i integracji danych, uruchamiania i modyfikowania kodu oraz tworzenia i testowania prostych modeli Machine Learning.
W trakcie ćwiczeń wykorzystywane są m.in. ChatGPT, Google Gemini, Microsoft Copilot, Teachable Machine oraz narzędzia do pracy z danymi i treściami wizualnymi. Uczestnicy tworzą rozwiązania AI wspierające dobór stylizacji i kosmetyków, ograniczanie nietrafionych zakupów, nadmiernej konsumpcji, odpadów i emisji CO₂ oraz bardziej efektywne wykorzystanie posiadanych zasobów w branży fashion & beauty.
Podczas ćwiczeń uczestnicy będą analizować własne lub przykładowe ubrania, kosmetyki, palety kolorystyczne i dane dotyczące częstotliwości użycia produktów. Na tej podstawie przygotują elementy AI Lookbooka, kapsułowej garderoby, planu kosmetyków zerowaste, algorytmu wyboru bardziej ekologicznej stylizacji lub makijażu oraz rekomendacji ograniczających nietrafione zakupy, odpady i nadmierną konsumpcję.
Warsztat łączy pracę na danych, narzędziach AI oraz materiałach fashion & beauty dostarczonych przez organizatora lub uczestników.
DALSZA CZĘŚĆ OPISU W 'INFORMACJE DODATKOWE' / 'INFORMACJE O MATERIAŁACH DLA UCZESTNIKÓW USŁUGI'
Harmonogram
Harmonogram
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 11 Moduł I: Algorytmy AI w modzie i beauty zero waste: ograniczanie nadprodukcji, odpadów i zużycia energii | Typ aktywności Zajęcia | Prowadzący KINGA GAWRON | Data realizacji zajęć 31-10-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 10:30 | Liczba godzin 01:30 |
Przedmiot / temat 2 z 11 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 31-10-2026 | Godzina rozpoczęcia 10:30 | Godzina zakończenia 11:00 | Liczba godzin 00:30 |
Przedmiot / temat 3 z 11 Moduł II: Dane garderoby i kosmetyków w AI: kolorystyka, ślad środowiskowy i cykl życia produktu | Typ aktywności Zajęcia | Prowadzący KINGA GAWRON | Data realizacji zajęć 31-10-2026 | Godzina rozpoczęcia 11:00 | Godzina zakończenia 13:00 | Liczba godzin 02:00 |
Przedmiot / temat 4 z 11 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 31-10-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 13:30 | Liczba godzin 00:30 |
Przedmiot / temat 5 z 11 Moduł III: AI Lookbook i plan kosmetyków zero waste: predykcja potrzeb i ograniczanie nietrafionych zakupów | Typ aktywności Zajęcia | Prowadzący KINGA GAWRON | Data realizacji zajęć 31-10-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 17:00 | Liczba godzin 03:30 |
Przedmiot / temat 6 z 11 Moduł IV: Algorytmy wyboru zero waste: second hand, refill, upcycling i warianty o niższej emisji | Typ aktywności Zajęcia | Prowadzący KINGA GAWRON | Data realizacji zajęć 01-11-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 11:00 | Liczba godzin 02:00 |
Przedmiot / temat 7 z 11 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 01-11-2026 | Godzina rozpoczęcia 11:00 | Godzina zakończenia 11:30 | Liczba godzin 00:30 |
Przedmiot / temat 8 z 11 Moduł V: Rekomendacje AI dla klientki: komunikacja, etyka i przejrzystość wyborów zero waste | Typ aktywności Zajęcia | Prowadzący KINGA GAWRON | Data realizacji zajęć 01-11-2026 | Godzina rozpoczęcia 11:30 | Godzina zakończenia 13:00 | Liczba godzin 01:30 |
Przedmiot / temat 9 z 11 Moduł VI: Bezpieczne dane w usłudze AI fashion & beauty: współpraca, prywatność i cykl życia danych klientki - praktyka | Typ aktywności Zajęcia | Prowadzący KINGA GAWRON | Data realizacji zajęć 01-11-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:30 | Liczba godzin 02:30 |
Przedmiot / temat 10 z 11 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 01-11-2026 | Godzina rozpoczęcia 15:30 | Godzina zakończenia 16:00 | Liczba godzin 00:30 |
Przedmiot / temat 11 z 11 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 01-11-2026 | Godzina rozpoczęcia 16:00 | Godzina zakończenia 17:00 | Liczba godzin 01:00 |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 16:00 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 13:00 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 01:00 |
Rodzaj godzin w tym suma przerw | Liczba godzin 02:00 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 18:30 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 6 150,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 5 000,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 384,38 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 312,50 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 153,75 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 125,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 153,75 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 125,00 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 16:00 |
Prowadzący
Prowadzący
KINGA GAWRON
Doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat temu.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Uczestnicy podczas szkolenia dostaną skrypty szkoleniowe, notes oraz długopis.
Informacje dodatkowe
PODSTAWA ZWOLNIENIA Z VAT:
Podstawy prawne zwolnienia z vat : 1. Rozporządzenie Ministra Finansów z dn. 20.12.2013 r. paragraf 3 ust 1 pkt.14. Zwalnia się od podatku usługi kształcenia zawodowego lub przekwalifikowania zawodowego , finansowane w co najmniej 70 % ze środków publicznych oraz świadczenie usług i dostawę towarów ściśle z tymi usługami związane.