Sztuczna Inteligencja i Automatyzacja Procesów Biznesowych w Ujęciu Praktycznym
Termin:
1 paź 2024 - 1 sie 2025
Miejsce:
Gdańsk
Czas trwania:
184 godz.
Prowadzący:
prof. dr hab. Ewa Grzegorzewska-Mischka
Pozostałe terminy:
Organizator
Opis i cele
Studia podyplomowe w zakresie sztucznej inteligencji i automatyzacji procesów biznesowych koncentrują się na praktycznym wykorzystaniu technologii AI w biznesie. Program oferuje naukę podstaw języka Python, analizy danych, wizualizacji oraz uczenia maszynowego. Studenci zapoznają się z różnorodnymi algorytmami sztucznej inteligencji i uczą się wdrażać rozwiązania od pomysłu do implementacji w realnych scenariuszach biznesowych.
Charakterystyka uczestników
Studia są skierowane do osób zainteresowanych rozwojem kariery w obszarze sztucznej inteligencji i automatyzacji procesów biznesowych, w tym specjalistów, którzy chcą zdobyć lub poszerzyć wiedzę z zakresu AI oraz praktycznych zastosowań technologii w biznesie.
Program
- Rewolucja technologiczno-gospodarcza
- Etyka w sztucznej inteligencji
- Metody i narzędzia specyfikowania procesów biznesowych
- Metody i techniki zbierania oraz definiowania wymagań – zagadnienie podstawowe
- Sztuczna Inteligencja w firmie – Transformacja Biznesu
- Analiza wybranego studium przypadku rozwiązania AI
- Automatyzacja i robotyzacja procesów biznesowych w praktyce
- Programowanie w języku Python (podstawy)
- Programowanie w języku Python – analiza danych i wizualizacja
- Podstawy teorii uczenia maszynowego
- Wprowadzenie do uczenia maszynowego w Pythonie
- Podstawy analizy danych
- Deep Learning w Keras
- Metody rozpoznawania obrazów
- NLP w Pythonie
- Prezentacja projektów
Dodatkowe informacje organizacyjne
Sekretariat: mgr inż. Joanna Gryczka,
joanna.gryczka@zie.pg.edu.pl,
+48 58 347 19 22
Jednostka organizacyjna: Wydział Zarządzania i Ekonomii
Uczestnik otrzymuje:
Świadectwo ukończenia studiów podyplomowych
Wiedza:
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.
Umiejętności:
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.
Kompetencje społeczne:
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.