Sztuczna Inteligencja i Automatyzacja Procesów Biznesowych w Ujęciu Praktycznym

Świadectwo ukończenia studiów podyplomowych

Wiedza na temat sztucznej inteligencji (AI):

• Rozumienie podstawowych koncepcji AI, uczenia maszynowego (ML) i głębokiego uczenia (Deep Learning).
• Znajomość narzędzi i technik wykorzystywanych w analizie danych, przetwarzaniu języka naturalnego (NLP) i rozpoznawaniu obrazów.

Znajomość metod i narzędzi automatyzacji:

• Wiedza na temat Robotic Process Automation (RPA) oraz metod analizy i automatyzacji procesów biznesowych.

Wiedza o etyce i wpływie AI na biznes:

• Zrozumienie problemów etycznych związanych z AI i ich wpływu na prywatność oraz społeczeństwo.
• Wiedza na temat wpływu AI na modele biznesowe, transformację organizacji i wyzwania związane z implementacją AI w różnych branżach.

Znajomość podstaw analizy danych i programowania w Pythonie:

• Wiedza na temat analizy danych przy użyciu Pythona oraz umiejętność programowania w tym języku.
• Znajomość metod analizy danych, wizualizacji oraz przetwarzania i analizy dużych zbiorów danych.

Modelowanie i optymalizacja procesów biznesowych:

• Umiejętność modelowania procesów biznesowych przy użyciu notacji BPMN oraz identyfikowania obszarów do optymalizacji i automatyzacji.

Programowanie i analiza danych:

• Umiejętność programowania w Pythonie, w tym tworzenia skryptów do analizy danych, wizualizacji oraz implementacji algorytmów ML.
• Umiejętność korzystania z bibliotek takich jak numpy, pandas, matplotlib i seaborn.

Zbieranie i dokumentowanie wymagań:

• Umiejętność efektywnego zbierania i definiowania wymagań funkcjonalnych i niefunkcjonalnych w kontekście projektów związanych z AI i automatyzacją procesów.

Implementacja rozwiązań AI w biznesie:

• Umiejętność wdrażania rozwiązań AI i oceny ich wpływu na efektywność działania firmy oraz optymalizację procesów.

Analiza przypadków i zarządzanie projektami AI:

• Umiejętność przeprowadzania analizy przypadków użycia AI oraz zarządzania projektami technologicznymi, w tym tworzenia pitch decków i zarządzania zespołem.

Krytyczne myślenie i etyka:

• Rozwój umiejętności krytycznego myślenia w kontekście etyki i odpowiedzialności związanej z używaniem AI.

Komunikacja i współpraca w zespole:

• Umiejętność efektywnej komunikacji i współpracy w zespołach projektowych, w tym prezentowanie wyników pracy i obrona proponowanych rozwiązań.

Zarządzanie projektami:

• Umiejętność zarządzania projektami technologicznymi, w tym planowanie, koordynowanie działań i zarządzanie ryzykiem.

Adaptacja do zmian technologicznych:

• Umiejętność szybkiego adaptowania się do zmian technologicznych i umiejętność uczenia się nowych narzędzi oraz metod w dynamicznie zmieniającym się środowisku pracy.