Cele szkolenia

Pogłębienie wiedzy z zakresu sztucznej inteligencji - przejście od teorii do praktycznego wdrażania rozwiązań AI z wykorzystaniem Pythona i nowoczesnych frameworków.
Nabycie umiejętności przygotowania i przetwarzania danych do projektów AI (czyszczenie, selekcja, transformacja, feature engineering).
Poznanie kluczowych algorytmów uczenia maszynowego i głębokiego oraz umiejętność doboru odpowiedniego podejścia do problemu biznesowego.
Praktyczne budowanie rozwiązań AI - od prototypu do działającego systemu (RAG, integracja z API, deployment).
Zrozumienie architektury nowoczesnych systemów AI - LLM, RAG, agenci AI, multimodalność.
Nabycie umiejętności oceny i zabezpieczania systemów AI - prompt injection, halucynacje, ewaluacja modeli.
Przygotowanie do samodzielnego prowadzenia projektów AI w organizacji - od analizy danych do wdrożenia produkcyjnego.

Dlaczego warto - korzyści dla Uczestnika

Uczestnik uczy się:

Przygotowywać i analizować dane do projektów AI (czyszczenie, selekcja, transformacja z użyciem Pandas).

Dobierać i trenować algorytmy uczenia maszynowego do konkretnych problemów biznesowych.

Budować pipeline’y przetwarzania danych i modeli ML.

Implementować system RAG (Retrieval-Augmented Generation) od podstaw.

Integrować modele AI z API i wdrażać je w środowisku produkcyjnym.

Ewaluować modele i zabezpieczać systemy AI przed atakami.

Uczestnik dowiaduje się:

Jak działają najnowsze architektury AI (Transformery, LLM, modele multimodalne).

Jakie narzędzia i frameworki warto stosować w projektach AI (LangChain, HuggingFace, OpenAI API, itp.).

Jak oceniać jakość modeli i unikać typowych pułapek (overfitting, data leakage, halucynacje).

Jakie są best practices dotyczące bezpieczeństwa systemów AI w środowisku produkcyjnym.

Jak projektować architekturę systemu AI od MVP do skalowania.

Dane, algorytmy i fundamenty AI

Moduł 1: Przygotowanie danych do projektów AI

  • Źródła danych w organizacji – jak je identyfikować i oceniać jakość.
  • Czyszczenie, selekcja i transformacja danych z użyciem Python + Pandas.
  • Feature engineering – jak tworzyć cechy, które zwiększają skuteczność modeli.
  • Hands-on: praca z rzeczywistym zbiorem danych – od surowych danych do gotowego datasetu.

Moduł 2: Algorytmy uczenia maszynowego w praktyce

  • Modele predykcyjne i klasyfikacyjne – kiedy który stosować.
  • Algorytmy: regresja, drzewa decyzyjne, Random Forest, XGBoost – praktyczne porównanie.
  • Trenowanie, walidacja i ewaluacja modeli (metryki: accuracy, precision, recall, F1, AUC).
  • Hands-on: budowa modelu klasyfikacyjnego od zera w Pythonie (scikit-learn).

Moduł 3: Deep Learning i nowoczesne architektury

  • Od sieci neuronowych do Transformerów – ewolucja architektur.
  • Jak działają Large Language Models (LLM) – tokenizacja, attention, generowanie tekstu.
  • Modele multimodalne – przetwarzanie tekstu, obrazu i audio jednocześnie.
  • Porównanie modeli: GPT, Claude, Gemini, modele open-source (Llama, Mistral).
  • Hands-on: korzystanie z API modeli językowych – prompting, parametry, structured output.

Budowanie i wdrażanie systemów AI

Moduł 4: RAG (Retrieval-Augmented Generation) od podstaw

  • Architektura RAG – dlaczego to kluczowa technologia dla biznesowych zastosowań AI.
  • Embeddingi i bazy wektorowe – jak indeksować wiedzę organizacji.
  • Chunking strategies – jak dzielić dokumenty dla optymalnego wyszukiwania.
  • Hands-on: budowa działającego chatbota RAG od zera – od zaindeksowania dokumentów po gotowy interfejs.

Moduł 5: Bezpieczeństwo i ewaluacja systemów AI

  • Prompt injection – symulacja ataku i techniki obrony (hands-on).
  • Halucynacje LLM – jak je wykrywać i minimalizować.
  • Ewaluacja systemów RAG – metryki: faithfulness, relevancy, context precision.
  • Best practices bezpieczeństwa AI w produkcji.
  • Hands-on: atak prompt injection na chatbota zbudowanego w Module 4 + implementacja zabezpieczeń.

Moduł 6: Integracja, deployment i trendy

  • Integracja AI z istniejącymi systemami – API, webhooks, mikroserwisy.
  • Od prototypu do produkcji – konteneryzacja, CI/CD dla modeli AI.
  • Agenci AI – autonomiczne systemy realizujące złożone zadania.
  • Trendy: multimodalne modele, Edge AI, on-premise vs cloud.
  • Warsztat końcowy: rozbudowa chatbota RAG – dodanie nowych źródeł danych, fine-tuning promptów, optymalizacja odpowiedzi.

Ćwiczenia:

  • Przygotowanie danych: czyszczenie i feature engineering na rzeczywistym zbiorze danych (Python + Pandas).
  • Budowa modelu ML: trenowanie i ewaluacja modelu klasyfikacyjnego (scikit-learn).
  • Praca z API LLM: prompting, structured output, porównanie modeli.
  • Budowa chatbota RAG od zera: indeksowanie dokumentów, embeddingi, baza wektorowa, interfejs.
  • Symulacja ataku Prompt Injection: atak i implementacja technik obrony.
  • Rozbudowa chatbota RAG: dodatkowe źródła danych, optymalizacja, zabezpieczenia.

Dla kogo

Liderzy projektów IT i analitycy danych – zajmujący się aspektami technicznymi wdrożeń AI.

Programiści, deweloperzy i pracownicy działu IT – chcący poszerzyć kompetencje o uczenie maszynowe i AI.

Data Scientists i Data Engineers – szukający praktycznych umiejętności wdrożeniowych.

Specjaliści ds. automatyzacji i DevOps – zainteresowani integracją AI z istniejącymi systemami.

Osoby z doświadczeniem technicznym, chcące przejść na stanowiska związane z AI/ML.

Po ukończeniu szkolenia uczestnicy będą w stanie:

  • Samodzielnie przygotować dane i zbudować model uczenia maszynowego rozwiązujący realny problem biznesowy.
  • Wdrożyć system RAG, który wykorzystuje wiedzę organizacji do generowania odpowiedzi.
  • Zintegrować rozwiązania AI z istniejącymi systemami za pomocą API.
  • Ocenić i zabezpieczyć systemy AI przed typowymi zagrożeniami.
  • Zaprojektować architekturę systemu AI od MVP do produkcji.

Cena szkolenia obejmuje:

  • udział w szkoleniu,
  • materiały w formie papierowej, segregator, notatnik, długopis,
  • bezpłatny dostęp do elektronicznych materiałów szkoleniowych w systemie Biblioteka TQMsoft,
  • certyfikat uczestnictwa w szkoleniu,
  • możliwość bezpłatnych 3-miesięcznych konsultacji po szkoleniu, które realizowane są poprzez Panel Konsultacyjny,
  • obiady, przerwy kawowe oraz słodki poczęstunek

Trenerzy

Skład trenerski może ulec zmianie
Kasjan

Wybierz rodzaj szkolenia

Wybierz termin szkolenia

Cena szkolenia

Cena szkolenia zależy od liczby uczestników.
Potrzebujesz dedykowanego szkolenia dla zespołu?
Zapytaj o szkolenie
Potrzebujesz pomocy?
AW
Anna Wnęk
Specjalista ds. Realizacji szkoleń
[email protected] 452 268 626

Pomyślnie dodano do koszyka

Integracja AI w procesach i aplikacjach biznesowych

Integracja AI w procesach i aplikacjach biznesowych

Symbol: AI-TECH
Szkolenie Otwarte i zamknięte

Masz pytania do tego szkolenia?

Skonsultuj się z naszym doradcą.

Skontaktuj się z nami