Szkolenie Sztuczna inteligencja w praktyce: Generative AI, Responsible AI i Green AI
Poziom
PodstawowwyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie Sztuczna inteligencja w praktyce: Generative AI, Responsible AI i Green AI
Szkolenie Generative AI i Responsible AI wprowadza uczestników w świat nowoczesnych technologii sztucznej inteligencji. Obejmuje zarówno teorię, jak i praktyczne zastosowania Generative AI, w tym pracy z modelami językowymi, multimodalnymi oraz generacją danych audio czy kodu. Dodatkowo, kurs omawia zasady odpowiedzialnego wykorzystania AI (Responsible AI) i ideę Green AI, czyli zrównoważonego podejścia do tworzenia oraz wykorzystywania sztucznej inteligencji.
Dla kogo jest to szkolenie?
Dla programistów i specjalistów IT, którzy chcą poznać praktyczne aspekty wykorzystania Generative AI oraz podstawy odpowiedzialnego i bezpiecznego użycia AI.-
Dla analityków i naukowców danych, którzy chcą zrozumieć zastosowania Large Language Models (LLM) i modeli multimodalnych oraz sposoby oceny jakości ich wyników.
-
Dla menedżerów i liderów zespołów, zainteresowanych wdrażaniem odpowiedzialnych i zrównoważonych praktyk AI oraz zasad użycia AI w organizacji.
-
Dla osób zainteresowanych technologią AI, które chcą zdobyć uporządkowaną wiedzę o aktualnych zastosowaniach Generative AI, Responsible AI i Green AI.
Czego nauczysz się na tym szkoleniu?
- Rozróżniać Generative AI i tradycyjne podejścia AI oraz dobrać typ modelu i dane do zadania
- Stosować LLM i modele multimodalne w praktycznych ćwiczeniach (prompting, praca z kontekstem) oraz oceniać jakość wyników i ograniczać halucynacje
- Zaplanować podstawowe praktyki Responsible AI w zespole (ryzyka, prywatność, bias, transparentność) wraz z przeglądem wymagań regulacyjnych (bez porad prawnych)
- Uwzględniać Green AI w doborze narzędzi i modeli (koszty, zużycie zasobów) oraz stosować proste praktyki optymalizacji i raportowania wpływu
Program szkolenia Sztuczna inteligencja w praktyce: Generative AI, Responsible AI i Green AI
Generative AI
Czym jest sztuczna inteligencja?
- ćwiczenia: mapa zastosowań w firmie + lista „czerwonych flag”
GenAI vs tradycyjne AI
- ćwiczenia: sortowanie use-case’ów (ML/GenAI/hybryda) + szybki test halucynacji
Rola danych w GenAI
- ćwiczenia: mini-audyt danych (jakość/wrażliwość) + przygotowanie „pakietu kontekstu”
LLM w praktyce
- ćwiczenia: prompt clinic (3 iteracje) + checklist jakości odpowiedzi
Najpopularniejsze LLMs
- ćwiczenia: porównanie modeli na tym samym zadaniu + zasady „co wolno wklejać”
Multimodal (obrazy)
- ćwiczenia: brief→prompt (warianty) + obraz→opis/błędy/rekomendacje
Audio i kod
- ćwiczenia: audio→streszczenie/akcje/mail + kod→funkcja/testy/refaktor
Platformy + przyszłość
- ćwiczenia: dobór platformy do wymagań + backlog TOP3 + plan 30/60/90.
Responsible AI & Green AI
7 Principles Responsible AI
- ćwiczenia: case ryzyk + dobór zabezpieczeń (guardrails/HITL/logi)
Principles na platformie (MS/Google)
- ćwiczenia: mapowanie zasada→proces/rola + mini-polityka danych/promptów
Responsible AI w praktyce
- ćwiczenia: checklisty przed wdrożeniem + lekki red teaming (prompt injection/błędy)
Green AI
- ćwiczenia: identyfikacja źródeł kosztu + 5 „quick wins” oszczędności
Green AI na co dzień
- ćwiczenia: green prompting (mniej tokenów) + projekt green workflow (mniej wywołań/caching)
Green AI: programista vs kierownik
- ćwiczenia: role-play: optymalizacja pipeline vs KPI i polityki doboru modeli
