Program studiów

Organizacja zajęć

W trakcie dziewięciu zjazdów uczestnicy poznają szerokie spektrum zastosowań generatywnej AI w biznesie, ucząc się od doświadczonych praktyków i naukowców. Dzięki temu będą mogli w pełni wykorzystać potencjał technologii i wprowadzać innowacje w swoich organizacjach. Grono wykładowców, praktyków oraz naukowców z wieloletnim doświadczeniem w przedmiotowej domenie pozwoli na pozyskanie wszechstronnych i cenionych na rynku kompetencji, które umożliwią efektywny rozwój w dynamicznie zmieniającym się środowisku biznesowym.

Program studiów 2025/2026

więcej

Tematyka zajęć

Zapoznanie uczestników z głównymi założeniami studiów oraz integracja grupy
Przegląd programu studiów
Podstawowe pojęcia i definicje AI – różnice między AI, uczeniem maszynowym i generatywnymi modelami (LLM).
Tradycyjne metody vs. nowoczesne AI – ewolucja AI i przejście od klasycznych algorytmów do generatywnej AI.
Przykłady zastosowań AI w różnych sektorach – case studies z finansów, marketingu, medycyny, e-commerce i innych branż.

Identyfikacja kluczowych obszarów wdrożenia AI – jak rozpoznać procesy w firmie, które można zoptymalizować dzięki AI.
Budowanie strategii wdrożenia AI – jak tworzyć plany AI-first dopasowane do organizacji.
Metryki sukcesu w projektach AI – jak mierzyć efektywność wdrożeń, monitorować wskaźniki KPI i oceniać wpływ AI na biznes.
Planowanie i zasoby w projektach AI – alokacja budżetu, harmonogramowanie i zarządzanie zespołami AI.
Zarządzanie ryzykiem i zmianą w projektach AI – identyfikacja zagrożeń, bariery adopcji i sposoby ich przezwyciężania.
Opracowywanie wizji i definiowanie produktu AI – jak określić cel projektu AI, zrozumieć potrzeby biznesowe i stworzyć mapę drogową wdrożenia.

Jakość i przygotowanie danych – jak czyścić i transformować dane na potrzeby AI.
Bezpieczeństwo danych – GDPR, AI Act i standardy branżowe.
Integracja danych z różnych źródeł – łączenie danych wewnętrznych i zewnętrznych w projektach AI

Struktura organizacyjna dla AI – jak wygląda skuteczny dział AI/ML w firmie.
Zarządzanie kompetencjami AI w firmie – jakie role są kluczowe w zespołach AI-first.
Strategie transformacji kulturowej – jak wprowadzać AI do organizacji i zarządzać zmianą.

Normy i przepisy dotyczące AI – przegląd regulacji prawnych.
Zagrożenia i ryzyko AI – prywatność, uprzedzenia w modelach, deepfakes.
Budowanie odpowiedzialnych modeli AI – jak unikać błędów etycznych w AI.

AI w codziennych zadaniach biurowych – automatyzacja raportowania, zarządzanie e-mailami, organizacja kalendarza.
Inteligentne asystenty AI – chatboty, automatyczne tłumaczenia, generowanie treści i analiza dokumentów.
AI w automatyzacji komunikacji i zarządzaniu wiedzą – inteligentne systemy CRM, podsumowania spotkań, analiza treści.

Retrieval Augmented Generation (RAG) – integracja modeli LLM z bazami wiedzy.
Systemy wieloagentowe – AI do zarządzania skomplikowanymi procesami biznesowymi.
Wdrażanie nowoczesnych modeli AI w firmach – korzyści i wyzwania.

Chmura vs. On-Premises dla AI – wybór środowiska obliczeniowego, zalety i wady różnych architektur.
Wydajność i Skalowalność AI – optymalizacja zasobów obliczeniowych, GPU, TPU oraz systemy rozproszone.
Zarządzanie Modelami i MLOps – automatyzacja wdrażania modeli AI, monitorowanie i utrzymanie modeli w środowisku produkcyjnym.

Opracowanie strategii wdrożenia AI dla organizacji – analiza potrzeb i wybór narzędzi.
Analiza kosztów i ROI wdrożenia – jak mierzyć efektywność AI.
Prezentacja projektu i sesje feedbacku – ocena przez ekspertów i omówienie wyników.

Poznaj zespół Centrum Kształcenia Podyplomowego

Nikt nie opowie o studiach podyplomowych oferowanych przez Centrum Kształcenia Podyplomowego lepiej niż ich twórcy. Zapraszamy do wysłuchania paru słów dyrektora Centrum Kształcenia Podyplomowego, Pani Marty Godzisz, która opowie, dlaczego nasze studia podyplomowe są wyjątkowe.