Studia podyplomowe Manager Projektów AI

• Fundamenty sztucznej inteligencji (podstawowe definicje, ewolucja modeli i algorytmów).
• Dylematy poznawcze i etyczne.
• Rodzaje sztucznej inteligencji:
  • Predykcje,
  • Przetwarzanie wizji komputerowej,
  • Przetwarzanie języka naturalnego.
• Oprogramowanie AI z zastosowaniem w fizycznym świecie: od chatbotów do robotów.

• Przegląd środowisk pracy dla Data Science.
• Wprowadzenie do środowiska Jupyter (Google Colaboratory).
• Podstawy programowania w Pythonie.
• Korzystanie z ogólnie dostępnych pakietów.

• Interpretowanie i opisywanie danych za pomocą statystyki opisowej: pojęcia średniej arytmetycznej, mediany, mody i kwantyla.
• Różnica między korelacją a przyczynowością.
• Podstawy teorii prawdopodobieństwa, zbiorów i twierdzenia Bayesa.
• Założenia regresji liniowej i jej zastosowanie – ćwiczenia praktyczne.
• Zastosowanie rozkładu normalnego i dwumianowego – ćwiczenia praktyczne.
• Rozkład próbkowania, dlaczego centralne twierdzenie graniczne jest ważne.
• Znaczenie przedziałów ufności i sposób ich opisywania p-value.
• Zrozumienie błędów i wyborów związanych z testowaniem hipotez.

• Wprowadzenie do narzędzi Pandas (analiza danych) i Seaborn (wizualizacja) — jakie możliwości dają i dlaczego są popularne.
• Rola wizualizacji w przekazywaniu informacji i odkrywaniu insightów.
• Przykłady wykresów: słupkowe, liniowe, rozrzutu, heatmapy — co wybrać do jakiego typu danych.
• Jak wizualizacje pomagają w wykrywaniu anomalii, trendów i korelacji?

• Wstęp do ChatGPT i Google Gemini:
  • Czym jest ChatGPT/Google Gemini,
  • Rola i zastosowanie ChatGPT/Google Gemini – automatyzacja, analiza danych, wsparcie i prognozowanie.
• Wykorzystanie ChatGPT/Google Gemini.
• Wprowadzenie do techniki promptowania:
  • Co to jest promptowanie?
  • Proces tworzenia skutecznych zapytań do ChatGPT/Google Gemini,
  • Dlaczego dobre promptowanie jest kluczowe? Uzyskiwanie precyzyjnych odpowiedzi poprzez odpowiednie formułowanie zapytań.
• Techniki promptowania w ChatGPT/Google Gemini:
  • Podstawowe techniki,
  • Zaawansowane techniki,
  • Praktyczne wskazówki w korzystaniu z ChatGPT/Google Gemini.
• Zastosowanie promptów w ChatGPT/Google Gemini – omówienie przykładowych case study.
• Mini-warsztaty – praca własna uczestników szkolenia wspomagana przez Trenera.
• Przyszłość ChatGPT/Google Gemini.

• Wprowadzenie do agentów AI i narzędzi open-source:
  • Definicja agenta AI,
  • Przykłady zastosowań: chatboty, asystenci głosowi, automatyzacja procesów.
• Przegląd narzędzi open-source do tworzenia agentów AI:
  • LangChain: Framework do budowy aplikacji opartych na dużych modelach językowych (LLM)
  • SpinAI: Framework w TypeScript do tworzenia i monitorowania agentów AI
  • AutoGen: Framework od Microsoftu do budowy systemów multi-agentowych.
• Budowa prostego agenta AI:
  • Tworzenie agenta z LLM
  • Prompt engineering
• Testowanie i optymalizacja agenta
  • Monitorowanie użycia tokenów i kosztów,
  • Analiza logów i optymalizacja działania agenta,
  • Replit Agent: Platforma do tworzenia aplikacji za pomocą naturalnych opisów,
  • GAMA Platform: Środowisko do modelowania agentów w symulacjach.

• Machine Learning:
  • Regresja i klasyfikacja,
    
  • Tensorflow i ScikitLearn,
    
  • Funkcja kosztu,
    
  • Overfitting i underfitting,
    
  • Hiperparametry,
    
  • Metryki,
    
  • Cross-validation, K-fold validation.
• Deep learning:
  • Sieci Neuronowe: podział i rodzaje,
  • Pytorch i Hugging Face,
  • Rozumienie języka naturalnego (NLP) – od RNN do Transformetów i LMM: Tokenizacja i Embeddings, Self-Attention, Fine-tuning i RAG.

• Charakterystyka zespołu w kontekście procesu wytwarzania oprogramowania – role vs. odpowiedzialność,
• Ewolucja i porównanie metodyk Waterfall, Scrum, Kanban,
• Wyzwania organizacji pracy z wykorzystaniem metodyk zwinnych w kontekście Data Science,
• Gra symulacyjna – doświadczenie pracy w zespole Scrumowym i przedyskutowanie wiele pytań oraz sytuacji, które zdarzają się podczas codziennej pracy,
• Cyfrowe przestrzenie współpracy (backlog, kanban, ci/cd):
  • Synchroniczne vs. asynchroniczne podejście do współpracy,
  • Narzędzia organizacji pracy i koordynacji projektów wykorzystywane w branży wytwarzania oprogramowania i Data Science,
  • Wykorzystanie jednego z narzędzi chmurowych do utworzenia i zdefiniowania struktury projektu oraz ćwiczenia z komunikacji wewnątrz projektowej.
• Wykorzystanie jednego z narzędzi chmurowych do utworzenia i zdefiniowania struktury projektu oraz ćwiczenia z komunikacji wewnątrz projektowej – ćwiczenia praktyczne.

• Czym różni się projekt AI od klasycznego IT? (cykl życia, ryzyko, iteracyjność),
• Framework do oceny dojrzałości i gotowości projektów AI (np. AI Value Matrix),
• Jak tworzyć i zarządzać portfelem projektów AI – od PoC do wdrożenia,
• Strategiczne KPI i wskaźniki sukcesu AI w organizacji,
• Zarządzanie ryzykiem i zasobami (Data Scientists vs DevOps vs Biznes).

• AI jako katalizator zmiany kultury organizacyjnej (data-driven decision making, empowerment),
• Modele dojrzałości organizacyjnej w AI,
• Rola liderów, change agentów i ambasadorów AI w firmie,
• Przeciwdziałanie oporowi – jak włączyć pracowników w zmianę,
• Narracje, storytelling i komunikacja zmiany.

• Kim jest lider zespołu – omówienie roli, odpowiedzialności oraz różnic między przywództwem a zarządzaniem.
• Wyzwania i problemy branży IT – wypalenie zawodowe, obciążenia wynikające z tempa pracy oraz problemy związane ze zdrowiem psychicznym pracowników.
• Praca indywidualna a praca zespołowa – dlaczego praca indywidualna może nie być najlepszym rozwiązaniem?
• Krytyczne spojrzenie na popularne metodologie Agile.
• Praktyczne wskazówki dotyczące budowania trwałych zespołów Data Science.

• Nowe wyzwania lidera w dobie transformacji cyfrowej,
• Industry 5.0 a human-centric leadership – technologia w służbie człowieka, nie odwrotnie,
• Zarządzanie zmianą technologiczną: modele (Kotter, ADKAR, McKinsey, Nuidge, Lewin’s CMM, Maurer R&C) i ich praktyczne zastosowanie,
• Budowanie kultury cyfrowej i innowacyjnej organizacji,
• Kompetencje przyszłości – jak rozwijać zespół w kontekście cyfryzacji?
• Cyfrowa komunikacja i praca zdalna/hybrydowa – jak zachować efektywność i zaangażowanie?
• Rola lidera w przeciwdziałaniu oporowi przed zmianą,
• Współpraca międzydziałowa w ekosystemie cyfrowym – silosy vs. przepływy danych,
• Warsztat: Diagnoza dojrzałości zespołu do transformacji + mapa zmian,
• Inspirujące przykłady transformacji z liderami w roli głównej,
• Jak mierzyć skuteczność zmian? KPI i mierniki transformacji,
• Podsumowanie i plan działania: jak być cyfrowym liderem od jutra?

Na zajęciach zostaną przedstawione rzeczywiste przykłady projektów, w których zastosowano rozwiązania oparte na sztucznej inteligencji (AI), w różnych obszarach biznesu i przemysłu. Uczestnicy zapoznają się z mocnymi i słabymi stronami zaprezentowanych rozwiązań, a także z wyzwaniami związanymi z implementacją AI w praktyce. Przewidziano czas na dyskusję, analizę przypadków oraz wymianę doświadczeń uczestników związanych z wykorzystaniem nowoczesnych technologii w ich środowisku zawodowym.