Systemy AI w analizie danych

Offer image
Wybrany termin:

Termin:

2 semestry · 10 paź 2026 - 30 cze 2027

Miejsce:

Wrocław

Czas trwania:

180 godz.

Cena:

11 000,00 zł

Prowadzący:
dr Ryszard Zygała

Pozostałe terminy:

W tym momencie brak dostepnych innych terminów

Studia rozwijają kompetencje w budowie nowoczesnych systemów AI (ponad klasyczny Data Science).

Cel:

  1. projektowanie i wdrażanie systemów AI
  2. budowa systemów agentowych i wykorzystanie LLM
  3. automatyzacja procesów analitycznych
  4. rozwój kompetencji w pracy z danymi i ML
  5. nauka wdrażania AI zgodnie z regulacjami (AI Act)


Usługa:
Studia podyplomowe
Poziom:
Zaawansowany
  1. analitycy danych i data scientists
  2. programiści i specjaliści IT (AI engineer)
  3. menedżerowie zespołów analitycznych
  4. specjaliści marketingu, strategii, controllingu
  5. osoby ds. compliance i AI Act
  6. właściciele startupów i e‑biznesów
  7. osoby chcące iść w stronę AI/systemów agentowych

Wymagania:

  1. Python (podstawy)
  2. SQL
  3. statystyka


  1. Ewolucja analizy danych (od statystyki do AI)
  2. Metody statystyczne i probabilistyczne w AI
  3. Narzędzia i środowiska AI/ML
  4. Podstawy systemów ML/AI
  5. Komunikacja wyników i zarządzanie projektami
  6. Jakość danych i inżynieria cech
  7. Etyka, bezpieczeństwo i regulacje (AI Act)
  8. Techniki pracy z modelami LLM
  9. Systemy agentowe (wspomaganie decyzji)
  10. Automatyzacja analityki i raportowania
  11. Ewaluacja i wdrażanie systemów AI
  12. Wyjaśnialność (XAI)
  13. Warsztaty projektowe
  14. Projekt końcowy + egzamin
  1. warsztaty (dominujące)
  2. projekty AI
  3. praca na własnym środowisku (BYOD)
  4. budowa realnych systemów AI
  5. projekt końcowy (indywidualny)
  6. scenariusze biznesowe

Koordynator:

  1. Anna Kozak
  2. tel.: 71 36 80 378


Uczestnik otrzymuje:

świadectwo ukończenia studiów podyplomowych


Wiedza:

Absolwent:

  1. zna metody AI i uczenia maszynowego
  2. zna architekturę systemów AI i agentowych
  3. zna modele LLM i RAG
  4. zna zasady inżynierii danych
  5. zna regulacje AI (AI Act)
  6. zna koncepcję explainable AI (XAI)
  7. zna proces wdrażania systemów AI


Umiejętności:

Absolwent:

  1. buduje systemy AI i pipeline'y analityczne
  2. projektuje systemy agentowe
  3. pracuje z modelami LLM
  4. przygotowuje dane i cechy dla modeli ML
  5. automatyzuje procesy analityczne
  6. wdraża systemy AI w organizacji
  7. analizuje i interpretuje wyniki modeli
  8. projektuje rozwiązania AI dla biznesu


Kompetencje społeczne:

Absolwent:

  1. podejmuje decyzje oparte na danych
  2. wdraża innowacje w organizacji
  3. działa zgodnie z zasadami etyki AI
  4. współpracuje w zespołach technologicznych i biznesowych
  5. rozwija kompetencje w obszarze AI
  6. funkcjonuje w środowisku data-driven


Inni oglądali również