Przejdź do treści
Online ID 3799585

Szkolenie: Połączenie i wykorzystanie big data i sztucznej inteligencji do trenowania modeli AI

Tryb Online
Termin 6.01 - 11.01.2027
Grupa max 30 osób

Informacje podstawowe

Najważniejsze dane o szkoleniu w jednym miejscu
Forma realizacji
Online
Maksymalna liczba uczestników
30 osób
Termin
6.01 - 11.01.2027
Koniec rekrutacji
5.01.2027
Certyfikat
Tak
Dostawca
Ernabo Adrian Flak
Dofinansowanie
Możliwość dofinansowania

Cel szkolenia

Co zyskasz po ukończeniu kursu

Cel edukacyjny

Szkolenie prowadzi do skutecznej integracji dużych zbiorów danych z systemami AI do tworzenia modeli syntetycznej grupy danych, które to mogą służyć do trenowania modeli lub wdrożenia automatyzacji opartej o AI. Z perspektywy MMŚP kompetencja może być przydatna w kontekście m.in. podejmowania decyzji biznesowych na podstawie opracowywanych prognoz.

Program szkolenia

Szczegółowy plan zajęć

Informacje organizacyjne:

Usługa prowadzona jest w godzinach zegarowych w formie zdalnej w czasie rzeczywistym na platformie Microsoft Teams.

Przerwy oraz walidacja są wliczone w ogólny czas usługi rozwojowej.

PROGRAM SZKOLENIA

  1. Big Data jako fundament sztucznej inteligencji
    • Wyjaśnienie znaczenia Big Data w procesach uczenia maszynowego oraz automatyzacji procesów biznesowych.
    • Charakterystyka cech dużych zbiorów danych oraz ich wpływu na skuteczność modeli AI.
    • Przedstawienie możliwości wykorzystania Big Data w prognozowaniu, analizie i wspieraniu decyzji biznesowych.
    • Analiza przykładów zastosowania Big Data w różnych branżach gospodarki.
  2. Modele uczenia maszynowego i przygotowanie danych
    • Omówienie podstawowych modeli uczenia maszynowego, sieci neuronowych oraz modeli predykcyjnych wykorzystywanych w analizie danych.
    • Charakterystyka procesu budowy modelu AI – od przygotowania danych po walidację gotowego rozwiązania.
    • Wskazanie zależności pomiędzy jakością danych a skutecznością działania modeli sztucznej inteligencji.
    • Identyfikacja najczęściej popełnianych błędów podczas przygotowania danych.
  3. Tworzenie syntetycznych zbiorów danych
    • Wyjaśnienie zasad tworzenia syntetycznych danych wykorzystywanych podczas trenowania modeli AI.
    • Dobór metod generowania danych umożliwiających ograniczenie wykorzystania danych rzeczywistych.
    • Analiza zastosowań syntetycznych danych w projektach badawczych oraz biznesowych.
    • Ocena jakości wygenerowanych zbiorów danych.
  4. Integracja danych z różnych źródeł
    • Pozyskiwanie danych z plików CSV, baz SQL, interfejsów API oraz innych źródeł wykorzystywanych przez przedsiębiorstwo.
    • Łączenie danych pochodzących z różnych systemów w jednolite zbiory wykorzystywane przez modele AI.
    • Wykorzystanie narzędzi Big Data wspierających integrację i przetwarzanie danych.
    • Ocena kompletności oraz spójności zintegrowanych zbiorów danych.
  5. Platformy Big Data i architektura przetwarzania danych
    • Charakterystyka platform oraz środowisk wykorzystywanych do przetwarzania dużych zbiorów danych.
    • Omówienie działania rozproszonych systemów przechowywania i przetwarzania danych.
    • Dobór architektury odpowiedniej do skali i rodzaju projektu analitycznego.
    • Przedstawienie możliwości wykorzystania rozwiązań chmurowych podczas przetwarzania danych.
  6. Analiza danych i przygotowanie zbiorów treningowych
    • Czyszczenie, walidacja oraz przygotowanie danych do trenowania modeli AI.
    • Podział danych na zbiory treningowe, walidacyjne oraz testowe.
    • Analiza trendów, zależności oraz odchyleń występujących w danych.
    • Wykorzystanie narzędzi analitycznych do oceny jakości przygotowanych danych.
  7. Bezpieczeństwo i zgodność przetwarzania danych
    • Omówienie zasad ochrony danych osobowych oraz wymagań wynikających z RODO.
    • Zarządzanie uprawnieniami do danych oraz kontrola dostępu do zbiorów wykorzystywanych przez modele AI.
    • Identyfikacja ryzyka związanych z przetwarzaniem danych wrażliwych oraz sposobów ich ograniczania.
    • Uwzględnienie aspektów etycznych podczas przygotowania danych do analiz.
  8. Warsztat praktyczny – przygotowanie danych do trenowania modelu AI
    • Przygotowanie przykładowego zbioru danych obejmujące jego integrację, oczyszczenie oraz podział na dane treningowe i testowe.
    • Wykorzystanie narzędzi analitycznych do oceny jakości danych oraz przygotowania ich do trenowania modelu.
    • Opracowanie propozycji wykorzystania przygotowanego zbioru danych w wybranej branży lub procesie biznesowym.
    • Podsumowanie dobrych praktyk związanych z wykorzystaniem Big Data podczas budowy i trenowania modeli sztucznej inteligencji.

Walidacja szkolenia

Wymagania

Co przygotować przed startem szkolenia

Wymagania wstępne

Warunkiem zdobycia certyfikatu potwierdzającego zdobyte kompetencje jest przystąpienie do Egzaminu. Na egzamin uczestnik nie musi dokonywać osobnego zapisu oraz jest w koszt usługi.

Wymagana jest obecność min 80% lub zgodna ze wskazaniami Operatora. Obecność na usłudze weryfikowana będzie na podstawie raportu logowań wygenerowanego z platformy.

Uczestnicy przyjmują do wiadomości, że usługa może być poddana monitoringowi z ramienia Operatora lub PARP i wyrażają na to zgodę.

Uczestnik ma obowiązek zapisania się na usługę przez BUR co najmniej w dniu zakończenia rekrutacji.

Organizator zapewnia dostępność osobom ze szczególnymi potrzebami podczas realizacji usług rozwojowych zgodnie z Ustawą z dnia 19 lipca 2019 r. o zapewnianiu dostępności osobom ze szczególnymi potrzebami (Dz.U. 2022 poz. 2240) oraz „Standardami dostępności dla polityki spójności 2021-2027”. W przypadku potrzeby zapewnienia specjalnych udogodnień prosimy o kontakt przed zapisem na usługę!

Wymagania techniczne

1. Sprzęt uczestnika:

  • komputer lub laptop z systemem operacyjnym Windows 10 / 11, macOS lub Linux z wolną przestrzenią dyskową ,
  • stabilne łącze internetowe (min. 10 Mbps) – w przypadku zajęć zdalnych,
  • aktualna przeglądarką internetową (Chrome, Edge, Firefox),

Obowiązkowe:

  • Kamera: Uczestnik powinien posiadać działającą kamerę (wbudowaną w laptop/komputer lub zewnętrzną). Kamera umożliwia aktywny udział w sesjach, prezentację ćwiczeń grupowych oraz interakcję z prowadzącym.
  • Mikrofon: Niezbędny jest sprawny mikrofon (wbudowany lub zewnętrzny, np. w zestawie słuchawkowym).Umożliwia zadawanie pytań, udział w dyskusjach i ćwiczeniach grupowych.
  • Zalecane użycie słuchawek z mikrofonem, aby zredukować echo i poprawić jakość dźwięku.

2. Oprogramowanie:

Nie jest wymagane wcześniejsze przygotowanie środowiska. Wszystkie niezbędne programy, dane i narzędzia zostaną przekazane przez trenera w trakcie trwania szkolenia.

3. Łącze internetowe:

  • Minimum 10 Mbps download / 5 Mbps upload
  • Stabilne połączenie bez dużych przerw i opóźnień

4. Środowisko pracy:

  • Ciche miejsce do pracy i nauki
  • Dostęp do powierzchni roboczej umożliwiającej komfortowe używanie komputera
  • Możliwość dzielenia ekranu w trakcie sesji praktycznych i konsultacji

5. Środowisko szkoleniowe

Szkolenie realizowane jest przez platformę Microsoft Teams, umożliwiającą:

  • udostępnianie ekranu,
  • czat, komunikację audio-wideo,
  • współdzielenie materiałów i plików.

Dla kogo?

Grupę docelową stanowią przedsiębiorcy i przedsiębiorczynie z sektora MŚP oraz ich pracownicy, którzy chcą rozwijać kompetencje związane z wykorzystaniem nowoczesnych technologii, automatyzacją i cyfryzacją procesów w przedsiębiorstwie.

Szkolenie skierowane jest do osób zainteresowanych wdrażaniem rozwiązań technologicznych usprawniających codzienną pracę, zwiększających efektywność procesów oraz przygotowujących przedsiębiorstwo do zmian technologicznych. Uczestnikami mogą być osoby reprezentujące firmy znajdujące się na różnych poziomach zaawansowania technologicznego.

Materiały dla uczestników

Prezentacja w formacie PDF zostanie wysłana uczestnikowi na maila najpóźniej w dniu rozpoczęcia się szkolenia.