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.
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.
Spotkanie z kierownikami studiów podyplomowych
Nikt nie opowie o studiach proponowanych przez Centrum Kształcenia Podyplomowego lepiej niż ci, którzy je stworzyli. Zapraszamy do obejrzenia i wysłuchania rozmów z kierownikami studiów podyplomowych oraz studiów MBA (w tym kierownikiem CKP Panią Martą Godzisz), które przeprowadziła Pani Aleksandra Szyr.
