Praktyczne wykorzystanie sztucznej inteligencji w pracy administracyjno-biurowej oraz szkolnictwie - szkolenie
Praktyczne wykorzystanie sztucznej inteligencji w pracy administracyjno-biurowej oraz szkolnictwie - szkolenie
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Grupa docelowa usługi
Szkolenie skierowane jest do osób dorosłych, które chcą samodzielnie i odpowiedzialnie wykorzystywać duże modele językowe (LLM) w pracy zawodowej, w szczególności do pracowników biurowych, administracyjnych, specjalistów, kadry zarządzającej i kierowników, osób pracujących w szkolnictwie a także osób poszukujących pracy lub zmieniających ścieżkę zawodową.
- Minimalna liczba uczestników3
- Maksymalna liczba uczestników15
- Data zakończenia rekrutacji18-12-2026
- Forma prowadzenia usługimieszana (stacjonarna połączona z usługą zdalną 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 do samodzielnego i odpowiedzialnego wykorzystania dużych modeli językowych (LLM) w pracy zawodowej oraz w szkolnictwie. Uczestnik rozumie zasady działania i ograniczenia LLM, stosuje techniki inżynierii instrukcji (prompt engineering), ocenia jakość generowanych wyników, wykorzystuje LLM do pracy z tekstem, dokumentami i danymi oraz do automatyzacji zadań, a także przestrzega zasad ochrony danych, praw autorskich i etycznego korzystania z AI.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 | |
| omawia 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 | Test teoretyczny z wynikiem generowanym automatycznie |
| 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 | Obserwacja w warunkach symulowanych | |
| 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 | 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 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 - ID instytucji w ZRK: 32206
- Nazwa Podmiotu certyfikującegoPolski Instytut Kompetencji Przyszłości - ID instytucji w ZRK: 32206
Program
Program
Szkolenie realizowane jest w formie stacjonarnej jako dwudniowa usługa rozwojowa obejmująca łącznie 18 godzin zegarowych (2 dni po8 godzin) oraz 2 godziny walidacji. Przerwy zostały uwzględnione zgodnie z regulaminem BUR i wliczone w czas trwania usługi. Zajęcia prowadzone są w formule warsztatowej, z przewagą ćwiczeń praktycznych realizowanych indywidualnie oraz w grupach, z wykorzystaniem rzeczywistych narzędzi sztucznej inteligencji (m.in. ChatGPT, Gemini, Claude) oraz środowisk do uruchamiania i dostosowywania modeli językowych.
Szkolenie obejmuje zarówno aspekty technologiczne, jak i organizacyjne oraz prawne wykorzystania dużych modeli językowych (LLM), co umożliwia uczestnikom kompleksowe przygotowanie do stosowania rozwiązań AI w środowisku zawodowym.
Proces kształcenia opiera się na metodzie „learning by doing”, co oznacza, że uczestnicy na bieżąco wykonują zadania odzwierciedlające rzeczywiste sytuacje zawodowe, takie jak tworzenie skutecznych instrukcji (promptów), praca z dokumentami, analiza danych tekstowych, ocena jakości wyników generowanych przez modele oraz automatyzacja zadań z udziałem AI. Każdy moduł teoretyczny wprowadzany jest w sposób skrócony i bezpośrednio powiązany z częścią praktyczną. Ćwiczenia opierają się na danych fikcyjnych lub zanonimizowanych.
Program szkolenia obejmuje zagadnienia związane z wykorzystaniem dużych modeli językowych w pracy zawodowej, w tym: podstawy działania LLM (tokenizacja, trenowanie, parametry), prompt engineering, uruchamianie i dostosowywanie gotowych modeli do zadania lub domeny, analizę dokumentów i danych tekstowych, ocenę jakości wyników (metody manualne i automatyczne), zastosowania w rolach zawodowych oraz automatyzację i integracje. Istotnym elementem programu są również zagadnienia związane z bezpieczeństwem informacji, ochroną danych osobowych (RODO), prawami autorskimi, przeciwdziałaniem uprzedzeniom i dyskryminacji oraz regulacjami prawnymi dotyczącymi AI (AI Act).
Program został opracowany z uwzględnieniem efektów uczenia się kwalifikacji „Wykorzystanie dużych modeli językowych” (poziom 6PRK), włączonej do Zintegrowanego Systemu Kwalifikacji. Szkolenie kończy się walidacją, a jej pozytywny wynik upoważnia jednostkę certyfikującą do nadania kwalifikacji wpisanej do ZSK.
Program ramowy:
Dzień 1: LLM od podstaw, prompt engineering, gotowe modele, dokumenty, bezpieczeństwo danych i prawo AI
Moduł I. AI i LLM od podstaw – teoria i praktyka
- czym jest AI, uczenie maszynowe, generatywna AI i LLM
- zastosowania i korzyści z wykorzystania LLM w różnych branżach
- porównanie odpowiedzi różnych modeli na to samo zadanie
Moduł II. Prompt engineering i parametry modeli – teoria i praktyka
- budowa skutecznej instrukcji: rola, kontekst, cel, ograniczenia, dane wejściowe, format
- Zero-shot, few-shot, poprawianie promptów krok po kroku i szablony do zadań powtarzalnych
- Temperatura i okno kontekstowe oraz case: diagnoza problemu organizacyjnego i plan działania
Moduł III. Gotowe modele w praktyce: uruchamianie i dostosowanie do zadania – teoria i praktyka
- instalacja i konfi guracja podstawowych bibliotek i narzędzi
- przygotowanie danych wejściowych do generowania tekstu
- dostosowanie modelu do zadania lub domeny: instrukcja systemowa, własny asystent, praca na własnych dokumentach (RAG)
- generowanie tekstu przy użyciu modelu dostosowanego do zadania
Moduł IV. Praca z dokumentami, bezpieczeństwo danych i prawo – teoria i praktyka
- streszczanie i porównywanie dokumentów, tworzenie FAQ i instrukcji, ograniczanie halucynacji i weryfi kacja odpowiedzi
- RODO i bezpieczeństwo danych: dane osobowe i poufne, anonimizacja, zasady korzystania z narzędzi AI w instytucji
- AI Act, prawa autorskie i licencje treści generowanych przez AI oraz analiza prostych scenariuszy użycia pod kątem ryzyka
Dzień 2: Analiza danych i ocena jakości wyników, LLM w rolach zawodowych, automatyzacja, warsztat i walidacja
Moduł V. Analiza danych tekstowych i ocena jakości wyników – teoria i praktyka
- wczytywanie i opisywanie danych tekstowych, klasyfi kacja, ekstrakcja informacji, analiza sentymentu, podsumowania
- formułowanie pytań analitycznych i wniosków oraz unikanie nadinterpretacji
- ocena jakości odpowiedzi według rubryki (trafność, kompletność, spójność, zgodność ze źródłami)
Moduł VI. Zastosowania LLM w rolach zawodowych – teoria i praktyka
- ścieżki zawodowe: manager, marketing, administracja, HR, sprzedaż i obsługa klienta, szkolnictwo - przykładowe zadania dla każdejroli
- praktyczne ćwiczenie w wybranej ścieżce (np. dokument, komunikat, oferta, opis stanowiska, tekst marketingowy) wraz z kwestiamilicencyjnymi treści AI
- uprzedzenia i dyskryminacja: rozpoznawanie stronniczych treści i ich ograniczanie
Moduł VII. Automatyzacja zadań i integracje – teoria i praktyka
- od pojedynczego promptu do procesu: wejście – analiza AI – decyzja człowieka – działanie – wynik
- przykłady automatyzacji (e-mail – streszczenie – zadanie, formularz – klasyfi kacja – odpowiedź, dokument – analiza – raport)
- projektowanie prostego procesu z zachowaniem kontroli człowieka
Moduł VIII. Warsztat końcowy - praktyka
- uczestnicy wybierają realne zadanie ze swojej pracy,
- projektują sposób wykorzystania AI,
- tworzą własny workfl ow oraz zestaw promptów,
- testują rozwiązanie,
- wspólna analiza i optymalizacja rezultatów
Moduł IX. Walidacja
CZAS TRWANIA USŁUGI ROZWOJOWEJ
Usługa trwa 18 godzin zegarowych, w tym:
- szkolenie (moduły I–VII): 16 godzin zegarowych,
- walidacja (moduł VIII): 2 godziny zegarowe
Przerwy wliczone są w czas trwania usługi.
SPOSÓB PRZEPROWADZENIA WALIDACJI
- etap I: test teoretyczny z wynikiem generowanym automatycznie
- etap II: zadanie praktyczne w warunkach symulowanych (obserwacja pracy uczestnika oraz analiza dowodów i deklaracji)
- walidację przeprowadza jednostka walidująca, niezależna od podmiotu realizującego szkolenie
- pozytywny wynik walidacji upoważnia jednostkę certyfi kującą do nadania kwalifi kacji „Wykorzystanie dużych modeli językowych"wpisanej do ZSK
W przypadku uzyskania negatywnego wyniku walidacji, na wniosek uczestnika dostawca usługi udostępnia możliwość ponownego przystąpieniado walidacji w terminie indywidualnie ustalanym z uczestnikiem.
Harmonogram
Harmonogram
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin | Forma stacjonarna |
|---|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 15 Moduł I. AI i LLM od podstaw | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 19-12-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 09:30 | Liczba godzin 01:30 | Forma stacjonarna Tak |
Przedmiot / temat 2 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 19-12-2026 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 09:45 | Liczba godzin 00:15 | Forma stacjonarna Tak |
Przedmiot / temat 3 z 15 Moduł II. Prompt engineering i parametry modeli | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 19-12-2026 | Godzina rozpoczęcia 09:45 | Godzina zakończenia 11:15 | Liczba godzin 01:30 | Forma stacjonarna Tak |
Przedmiot / temat 4 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 19-12-2026 | Godzina rozpoczęcia 11:15 | Godzina zakończenia 11:30 | Liczba godzin 00:15 | Forma stacjonarna Tak |
Przedmiot / temat 5 z 15 Moduł III. Gotowe modele w praktyce: uruchamianie i dostosowanie do zadania | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 19-12-2026 | Godzina rozpoczęcia 11:30 | Godzina zakończenia 13:30 | Liczba godzin 02:00 | Forma stacjonarna Tak |
Przedmiot / temat 6 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 19-12-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 14:00 | Liczba godzin 00:30 | Forma stacjonarna Tak |
Przedmiot / temat 7 z 15 Moduł IV. Praca z dokumentami, bezpieczeństwo danych i prawo | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 19-12-2026 | Godzina rozpoczęcia 14:00 | Godzina zakończenia 16:00 | Liczba godzin 02:00 | Forma stacjonarna Tak |
Przedmiot / temat 8 z 15 Moduł V. Analiza danych tekstowych i ocena jakości wyników | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 20-12-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 09:30 | Liczba godzin 01:30 | Forma stacjonarna Tak |
Przedmiot / temat 9 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 20-12-2026 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 09:45 | Liczba godzin 00:15 | Forma stacjonarna Tak |
Przedmiot / temat 10 z 15 Moduł VI. Zastosowania LLM w rolach zawodowych | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 20-12-2026 | Godzina rozpoczęcia 09:45 | Godzina zakończenia 11:15 | Liczba godzin 01:30 | Forma stacjonarna Tak |
Przedmiot / temat 11 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 20-12-2026 | Godzina rozpoczęcia 11:15 | Godzina zakończenia 11:30 | Liczba godzin 00:15 | Forma stacjonarna Tak |
Przedmiot / temat 12 z 15 Moduł VII. Automatyzacja zadań i integracje | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 20-12-2026 | Godzina rozpoczęcia 11:30 | Godzina zakończenia 13:30 | Liczba godzin 02:00 | Forma stacjonarna Tak |
Przedmiot / temat 13 z 15 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 20-12-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 14:00 | Liczba godzin 00:30 | Forma stacjonarna Tak |
Przedmiot / temat 14 z 15 Moduł VIII. Warsztat końcowy | Typ aktywności Zajęcia | Prowadzący MATEUSZ GUMIENNY | Data realizacji zajęć 20-12-2026 | Godzina rozpoczęcia 14:00 | Godzina zakończenia 16:00 | Liczba godzin 02:00 | Forma stacjonarna Tak |
Przedmiot / temat 15 z 15 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 23-12-2026 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 20:00 | Liczba godzin 02:00 | Forma stacjonarna Nie |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 18:00 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 14:00 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 02:00 |
Rodzaj godzin w tym suma przerw | Liczba godzin 02:00 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 21:15 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 6 027,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 4 900,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 334,83 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 272,22 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 307,50 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 250,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 307,50 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 250,00 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 18:00 |
Prowadzący
Prowadzący
MATEUSZ GUMIENNY
ZIELONA TRANSFORMACJA I KOMUNIKACJA MARKETINGOWA (3+ lata):
Od 2021 r. realizuję projekty z zakresu komunikacji marketingowej w obszarze zrównoważonego rozwoju. Moje działania (m.in. dla Bridgestone Poznań, Solar-Volt) obejmowały budowanie strategii komunikacji "zielonych wartości", kampanie edukacyjne o OZE oraz przeciwdziałanie greenwashingowi. Jako praktyk wdrażam autentyczny marketing wartości ESG, co udokumentowałem w ponad 600h usług doradczych (2021-2025).
ZARZĄDZANIE ZMIANĄ I HR (5+ lat):
Posiadam udokumentowane 5-letnie doświadczenie w zarządzaniu zmianą i procesami HR (2019-2024). Jako lider budujący od podstaw struktury sprzedażowe w OZE oraz zarządzający siecią franczyzową Willisch, odpowiadam za:
Projektowanie procesów rekrutacji i onboardingu (HR).
Zarządzanie zmianą organizacyjną podczas cyfryzacji i wdrażania technologii AI (potwierdzone certyfikatem Google & SGH z 2025 r.).
Budowanie systemów motywacyjnych dla zespołów 50+.
DOŚWIADCZENIE SZKOLENIOWE:
Przeszkoliłem ponad 1000 osób, legitymując się stażem ponad 1000h na sali szkoleniowej (w tym 600h w ostatnich 4 latach), co gwarantuje aktualność wiedzy i najwyższą jakość merytoryczną usług w BUR.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Uczestnicy otrzymują komplet materiałów szkoleniowych w formie cyfrowej, udostępnianych przed lub w trakcie realizacji usługi, w tym:
- podręcznik do przygotowania się do egzaminu ZSK
Warunki uczestnictwa
Zajęcia odbywają się w przygotowanej, wyposażonej sali szkoleniowej; m.in. w projektor / wyświetlacz obrazu i sieć WI-FI.
Informacje dodatkowe
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.
Warunki techniczne
Warunki techniczne
Uczestnicy realizują część praktyczną szkolenia z wykorzystaniem własnych urządzeń mobilnych (smartfonów) umożliwiających nagrywanie i montaż materiałów wideo - minimalne wymagania techniczne urządzeń mobilnych to system Android / iOS oraz możliwość instalacji aplikacji wykorzystywanych podczas szkolenia - urządzenia mobilne nie są zapewniane przez organizatora.
Uczestnicy realizują część praktyczną szkolenia z wykorzystaniem własnego sprzętu komputerowego (laptopów) wyposażonych w kamerkę, umożliwiających połączenie z internetem, korzystanie z przeglądarki internetowej i instalowanie wymaganych aplikacji do obsługi sztucznej inteligencji.
Adres
Adres
Udogodnienia w miejscu realizacji usługi
- Wi-fi