Wykorzystanie dużych modeli językowych - szkolenie kończące się egzaminem
Możliwość dofinansowania
Wykorzystanie dużych modeli językowych - szkolenie kończące się egzaminem
Numer usługi 2026/10/30/177032/3915613
6 800,00 PLN
brutto
6 800,00 PLNnetto
100,00 PLNbrutto/h
100,00 PLNnetto/h
183,33 PLNcena rynkowa
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Grupa docelowa usługi
Grupa docelowa usługi:
- Osoby chcące poszerzyć swoją wiedze z dziedziny LLM
- Pracownicy, osoby bierne zawodowo chcące podnieść swoje kompetencje
- Osoby pragnące uzyskać nowe kwalifikacje
- Minimalna liczba uczestników5
- Maksymalna liczba uczestników15
- Data zakończenia rekrutacji29-11-2026
- 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
Celem edukacyjnym jest nabycie przez uczestników praktycznej wiedzy i umiejętności w korzystania z modeli LLM, co pozwoli im rozpocząć pracę w każdej branży lub podnieść swoje kwalifikacje zawodowe. Uczestnicy poznają podstawy wykorzystywania dużych modeli językowych, wykorzystywania dużych modeli językowych w ramach zadania lub domeny, środowisku pracy i codziennym życiu.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Wyjaśnia pojęcie modelu językowego | a)definiuje pojęcie dużego modelu językowego, | Test teoretyczny z wynikiem generowanym automatycznie |
| a)definiuje pojęcie dużego modelu językowego, | Test teoretyczny z wynikiem generowanym automatycznie | |
| Omawia korzyści płynące ze stosowania modeli językowych w różnych dziedzinach | a)wskazuje dziedziny, w których duże modele językowe są stosowane do osiągnięcia lepszych wyników | Test teoretyczny z wynikiem generowanym automatycznie |
| b)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 | a)opisuje pojęcia związane z tworzeniem dużych modeli językowych np. tokenizacja, uczenie nienadzorowane, uczenie nadzorowane, modele sekwencyjne, | Test teoretyczny z wynikiem generowanym automatycznie |
| a)opisuje pojęcia związane z tworzeniem dużych modeli językowych np. tokenizacja, uczenie nienadzorowane, uczenie nadzorowane, modele sekwencyjne, | Test teoretyczny z wynikiem generowanym automatycznie | |
| a)opisuje pojęcia związane z tworzeniem dużych modeli językowych np. tokenizacja, uczenie nienadzorowane, uczenie nadzorowane, modele sekwencyjne, | Test teoretyczny z wynikiem generowanym automatycznie | |
| Wykorzystuje gotowe duże modele językowe do generowania tekstu na podstawie zestawu danych | a)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, | Test teoretyczny z wynikiem generowanym automatycznie |
| b)przygotowuje dane wejściowe do generowania tekstu w języku naturalnym za pomocą dużych modeli językowych, | Test teoretyczny z wynikiem generowanym automatycznie | |
| c)uruchamia duży model językowy. | Test teoretyczny z wynikiem generowanym automatycznie | |
| Wykorzystuje wstępnie trenowane duże modele językowe | przedstawia proces dostosowania dużych modeli językowych do konkretnego zadania lub konkretnej domeny, | Test teoretyczny z wynikiem generowanym automatycznie |
| dostosowuje duży model językowy do wskazanego zadania lub wskazanej domeny | Test teoretyczny z wynikiem generowanym automatycznie | |
| generuje tekst przy użyciu dużego modelu językowego dostosowanego do tego zadania lub do tej domeny. | Test teoretyczny z wynikiem generowanym automatycznie | |
| 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), | Test teoretyczny z wynikiem generowanym automatycznie | |
| analizuje jakość i użyteczność wyników generowanych przez duży model językowy przy użyciu różnych instrukcji (promptów) i strategi | Test teoretyczny z wynikiem generowanym automatycznie | |
| wykorzystuje inżynierię instrukcji (prompt engineering) w kontekście zastosowań dużych modeli językowych (np. analiza tekstu, generowanie treści, automatyzacja zadań | Test teoretyczny z wynikiem generowanym automatycznie | |
| 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, | Test teoretyczny z wynikiem generowanym automatycznie | |
| 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), | Test teoretyczny z wynikiem generowanym automatycznie |
| konfiguruje parametry dużych modeli językowych w celu poprawy jakości generowanych tekstów. | Test teoretyczny z wynikiem generowanym automatycznie | |
| 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. | Test teoretyczny z wynikiem generowanym automatycznie | |
| 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). | Test teoretyczny z wynikiem generowanym automatycznie | |
| 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 i kompetencje
Kwalifikacje włączone do Zintegrowanego Systemu Kwalifikacji
- Kwalifikacje i kompetencjeWykorzystanie dużych modeli językowych
- Kod kwalifikacji zarejestrowanej w ZRK
- Nazwa Podmiotu prowadzącego walidacjęPolski Instytut Kompetencji Przyszłości
- Nazwa Podmiotu certyfikującegoPolski Instytut Kompetencji Przyszłości
Program
Program
Część teoretyczna:
- Czym jest model językowy, cele i zastosowania
- Trenowanie modeli: tokenizacja, uczenie nadzorowane i nienadzorowane, hiperparametry
- Korzyści z LLM w różnych dziedzinach
- Metryki oceny jakości tekstów
- Zastosowania LLM w branżach (finanse, medycyna, marketing, edukacja)
- Zagrożenia: uprzedzenia, deep fake, halucynacje, prywatność
- Ochrona danych osobowych i etyka
- Prawa autorskie w pracy z LLM
- Walidacja: egzamin teoretyczny, podmiot prowadzący walidację: Polski Instytut Kompetencji Przyszłości
Część praktyczna:
- Instalacja i konfiguracja narzędzi LLM
- Generowanie tekstu na gotowych modelach
- Dostrajanie modeli do konkretnego zadania
- Prompt engineering i konstruowanie promptów
- Ocena i poprawa jakości wygenerowanych tekstów
- Dostrajanie parametrów modelu
- Analiza danych tekstowych i wyciąganie wniosków
- Automatyzacja zadań przetwarzania języka
- Walidacja: egzamin praktyczny, podmiot prowadzący walidację: Polski Instytut Kompetencji Przyszłości
Metody interaktywne i aktywizujące:
- Ćwiczenia praktyczne z narzędziami LLM
- Demonstracje i pokazy na żywo
- Praca z promptami w grupach
- Case study
- Symulacje zadań w środowisku pracy
- Dyskusje o etyce i prawach autorskich
- Sesje pytań i odpowiedzi
Podstawa włączenia kwalifikacji do ZSK: Na podstawie Obwieszczenia Ministra Cyfryzacji z dnia 2025-09-29 r. w sprawie włączenia kwalifikacji wolnorynkowej >Wykorzystanie dużych modeli językowych< do Zintegrowanego Systemu Kwalifikacji (Monitor Polski z dnia 2025-10-16 r., poz. 1071)
Warunkiem ukończenia jest obecność na minimum 80% zajęć oraz pozytywny wynik testu końcowego. Absolwenci otrzymują zaświadczenie o ukończeniu szkolenia i certyfikat uzyskania kwalifikacji.
Czas przerw wchodzi w czas trwania szkolenia, łączna liczba godzin: 50
Harmonogram
Harmonogram
Liczba pozycji harmonogramu: 51
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 51 Wprowadzenie do dużych modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 30-11-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 2 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 30-11-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 3 z 51 Wprowadzenie do dużych modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 30-11-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 4 z 51 Korzyści i zastosowania LLM w różnych dziedzinach | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 02-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 5 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 02-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 6 z 51 Korzyści i zastosowania LLM w różnych dziedzinach | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 02-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 7 z 51 Proces trenowania dużych modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 04-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 8 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 04-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 9 z 51 Proces trenowania dużych modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 04-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 10 z 51 Praktyczne zastosowanie gotowych modeli LLM do generowania tekstu | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 07-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 11 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 07-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 12 z 51 Praktyczne zastosowanie gotowych modeli LLM do generowania tekstu | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 07-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 13 z 51 Praktyczne zastosowanie gotowych modeli LLM do generowania tekstu | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 09-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 14 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 09-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 15 z 51 Praktyczne zastosowanie gotowych modeli LLM do generowania tekstu | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 09-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 16 z 51 Techniki inżynierii instrukcji – prompt engineering | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 11-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 17 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 11-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 18 z 51 Techniki inżynierii instrukcji – prompt engineering | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 11-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 19 z 51 Techniki inżynierii instrukcji – prompt engineering | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 20 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 21 z 51 Techniki inżynierii instrukcji – prompt engineering | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 14-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 22 z 51 Dostosowanie (fine-tuning) wstępnie trenowanych modeli LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 16-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 23 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 16-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 24 z 51 Dostosowanie (fine-tuning) wstępnie trenowanych modeli LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 16-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 25 z 51 Dostosowanie (fine-tuning) wstępnie trenowanych modeli LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 18-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 26 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 18-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 27 z 51 Dostosowanie (fine-tuning) wstępnie trenowanych modeli LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 18-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 28 z 51 Ocena jakości i konfiguracja parametrów modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 21-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 29 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 21-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 30 z 51 Ocena jakości i konfiguracja parametrów modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 21-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 31 z 51 Ocena jakości i konfiguracja parametrów modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 23-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 32 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 23-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 33 z 51 Ocena jakości i konfiguracja parametrów modeli językowych | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 23-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 34 z 51 Automatyzacja zadań NLP i analiza zbiorów danych z użyciem LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 28-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 35 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 28-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 36 z 51 Automatyzacja zadań NLP i analiza zbiorów danych z użyciem LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 28-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 37 z 51 Automatyzacja zadań NLP i analiza zbiorów danych z użyciem LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 30-12-2026 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 38 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 30-12-2026 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 39 z 51 Automatyzacja zadań NLP i analiza zbiorów danych z użyciem LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 30-12-2026 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 40 z 51 Bezpieczeństwo, ochrona danych osobowych i prawa autorskie w kontekście LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 04-01-2027 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 41 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 04-01-2027 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 42 z 51 Bezpieczeństwo, ochrona danych osobowych i prawa autorskie w kontekście LLM | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 04-01-2027 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 43 z 51 Zaawansowane zastosowania LLM i integracje z systemami zewnętrznymi | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 08-01-2027 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 44 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 08-01-2027 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 45 z 51 Zaawansowane zastosowania LLM i integracje z systemami zewnętrznymi | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 08-01-2027 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 46 z 51 Przypomnienie materiału – powtórka wszystkich zagadnień i ćwiczenia | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 13-01-2027 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 47 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 13-01-2027 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 48 z 51 Przypomnienie materiału – powtórka wszystkich zagadnień i ćwiczenia | Typ aktywności Zajęcia | Prowadzący Robert Śliwiński | Data realizacji zajęć 13-01-2027 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Przedmiot / temat 49 z 51 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 17:00 | Godzina zakończenia 18:45 | Liczba godzin 01:45 |
Przedmiot / temat 50 z 51 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 18:45 | Godzina zakończenia 19:00 | Liczba godzin 00:15 |
Przedmiot / temat 51 z 51 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 19:00 | Godzina zakończenia 21:00 | Liczba godzin 02:00 |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 68:00 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 60:00 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 03:45 |
Rodzaj godzin w tym suma przerw | Liczba godzin 04:15 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 85:00 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 6 800,00 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 6 800,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 100,00 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 100,00 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 300,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 300,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 200,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 200,00 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 68:00 |
Prowadzący
Prowadzący
Liczba prowadzących: 1
1 z 1
Robert Śliwiński
Informatyk, przedsiębiorca, szkoleniowiec
Doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat wstecz:
-35 lat doświadczenia w branży IT
-Właściciel działalności od 15 lat: integracja systemów IT, doradztwo, szkolenia
-Zakończony cykl szkoleń Akademii Umiejętności Komputerowych dla Polskiego Stowarzyszenia Doradczego i Konsultingowego w Białymstoku, około 180 godzin szkoleniowych
-Prowadzący cykl szkoleń Microsoft Office Excel dla Podlaskiego Centrum -Fundacji Rozwoju Demokracji Lokalnej im. Jerzego Regulskiego
-Prowadzący praktyki, staże i szkolenia z druku 3D oraz programowania dla dzieci i młodzieży w ośrodkach pozaszkolnych
-Specjalizacja: rozwiązania chmurowe Microsoft (Microsoft365/Office365, SharePoint, Teams, Copilot AI)
-Doświadczenie w średnich i dużych firmach: Computer Service Support, Inter S.A., Bank Pocztowy, ING Bank Śląski, oraz w firmach produkcyjnych (Ursus S.A., Warfama S.A. i inne)
-Certyfikaty i kursy: Microsoft, FortiNet, Mikrotik, SolidWorks
-Wykształcenie: studia inżynierskie na Wydziale Mechanicznym -Uniwersytetu Warmińsko-Mazurskiego, studia podyplomowe z programowania maszyn CNC oraz zaawansowanych technologii informatycznych
Doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat wstecz:
-35 lat doświadczenia w branży IT
-Właściciel działalności od 15 lat: integracja systemów IT, doradztwo, szkolenia
-Zakończony cykl szkoleń Akademii Umiejętności Komputerowych dla Polskiego Stowarzyszenia Doradczego i Konsultingowego w Białymstoku, około 180 godzin szkoleniowych
-Prowadzący cykl szkoleń Microsoft Office Excel dla Podlaskiego Centrum -Fundacji Rozwoju Demokracji Lokalnej im. Jerzego Regulskiego
-Prowadzący praktyki, staże i szkolenia z druku 3D oraz programowania dla dzieci i młodzieży w ośrodkach pozaszkolnych
-Specjalizacja: rozwiązania chmurowe Microsoft (Microsoft365/Office365, SharePoint, Teams, Copilot AI)
-Doświadczenie w średnich i dużych firmach: Computer Service Support, Inter S.A., Bank Pocztowy, ING Bank Śląski, oraz w firmach produkcyjnych (Ursus S.A., Warfama S.A. i inne)
-Certyfikaty i kursy: Microsoft, FortiNet, Mikrotik, SolidWorks
-Wykształcenie: studia inżynierskie na Wydziale Mechanicznym -Uniwersytetu Warmińsko-Mazurskiego, studia podyplomowe z programowania maszyn CNC oraz zaawansowanych technologii informatycznych
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały wykorzystywane w czasie zajęć:
- pracownia komputerowa
- Chat GPT
- Gemini
- Claude
Każdy z uczestników po ukończeniu szkolenia otrzyma prezentację multimedialną oraz podsumowanie szkolenia.
Warunki uczestnictwa
- Ukończony 18 rok życia
- Uczestnik po przystąpieniu do szkolenia zobowiązany jest do udziału w przynajmniej 80% zajęć. Sposób potwierdzenia frekwencji: Lista obecności
Informacje dodatkowe
- Jednostka czasowa: 1 godzina = 60 minut
- Do uzyskania certyfikatu i zaświadczenia wymagane jest uczestnictwo w minimum 80% zajęć
- Obecność uczestników potwierdzona będzie imienną listą obecności na każdym spotkaniu
- Podstawa włączenia kwalifikacji do ZSK: Obwieszczenia Ministra Cyfryzacji z dnia 2025-09-29 r. w sprawie włączenia kwalifikacji wolnorynkowej >Wykorzystanie dużych modeli językowych< do Zintegrowanego Systemu Kwalifikacji (Monitor Polski z dnia 2025-10-16 r., poz. 1071)
- Przerwy oraz zajęcia organizacyjne wchodzą w czas trwania szkolenia
- Walidacja wlicza się do czasu trwania szkolenia
Warunki techniczne
Warunki techniczne
Szkolenie realizowane za pośrednictwem platformy Zoom. Wymagania sprzętowe: komputer z kamerą i mikrofonem, system Windows/macOS. Łącze internetowe minimum 10 Mbps. Oprogramowanie: przeglądarka Chrome/Firefox, aplikacja Zoom.
Kontakt
Kontakt
Kacper Moskwa
E-mail
kacpermoskwa1@gmail.com
Telefon
(+48) 796 174 310