Program szkolenia
-
Przygotowanie środowiska technicznego
-
Instalacja i konfiguracja narzędzi niezbędnych do pracy
-
Przegląd platform: OpenAI (ChatGPT Plus) i Google Gemini
-
Wgrywanie plików wiedzy i danych do środowiska pracy
-
-
Tworzenie i zarządzanie kontami
-
Wybór odpowiedniego planu/licencji
-
Zarządzanie dostępem i ustawieniami prywatności
-
Bezpieczne przechowywanie danych użytkownika
-
-
Narzędzia wspierające pracę z agentami
-
Integracja z przeglądarką i dodatkami
-
Użycie wtyczek i rozszerzeń w środowisku AI
-
Monitorowanie i testowanie działania asystenta
-
-
Tworzenie agenta od podstaw
-
Wybór modelu AI i zakresu działania agenta
-
Ustawienie osobowości i tonu wypowiedzi
-
Definicja funkcji i ról agenta
-
-
Personalizacja agenta
-
Wprowadzanie danych i wiedzy eksperckiej
-
Tworzenie kontekstu i przykładowych interakcji
-
Ustalanie ograniczeń i granic działania
-
-
Testowanie i optymalizacja
-
Ocena wyników działania agenta
-
Modyfikacja zachowań na podstawie wyników
-
Zapewnienie spójności i jakości odpowiedzi
-
-
Podstawy efektywnego promptowania
-
Rola promptów w pracy z agentem
-
Typy promptów: opisowe, zadaniowe, konwersacyjne
-
Budowanie struktury skutecznego prompta
-
-
Tworzenie promptów specjalistycznych
-
Promptowanie dla branż i konkretnych zastosowań
-
Użycie przykładów (few-shot learning)
-
Zastosowanie prompt chainingu
-
-
Błędy i pułapki w promptowaniu
-
Rozpoznawanie nieskutecznych promptów
-
Unikanie błędów logicznych i językowych
-
Debugowanie i iteracyjne poprawianie promptów
-
-
Przegląd modeli językowych
-
Różnice między GPT, Gemini, Claude, Mistral
-
Wybór odpowiedniego modelu do zadania
-
Porównanie jakości i kosztów
-
-
Integracja z narzędziami zewnętrznymi
-
Automatyzacja z użyciem narzędzi API
-
Łączenie agentów z bazami danych i formularzami
-
Tworzenie chatbotów z interfejsem użytkownika
-
-
Modele offline i prywatność danych
-
Instalacja i użycie lokalnych modeli (np. LLaMA, Mistral offline)
-
Zastosowanie w środowiskach bez dostępu do internetu
-
Przechowywanie i przetwarzanie danych lokalnie
-
-
Wprowadzenie do Retrieval-Augmented Generation (RAG)
-
Zasada działania techniki RAG
-
Rola we wzbogacaniu odpowiedzi modelu
-
Przykłady zastosowania w personalizacji
-
-
Tworzenie wewnętrznych baz wiedzy
-
Formatowanie dokumentów do ekstrakcji wiedzy
-
Indeksowanie i zarządzanie bazami wiedzy
-
Połączenie z agentem w czasie rzeczywistym
-
-
Uczenie modelu przez użytkownika
-
Sposoby dostarczania danych uczących
-
Przekształcanie danych w wiedzę dla agenta
-
Bezpieczne aktualizowanie wiedzy agenta
-
Grupa docelowa i idea szkolenia: Personalizowani Asystenci / Agenci AI
Grupa docelowa szkolenia “Personalizowani Asystenci/Agenci AI” to osoby posiadające podstawową wiedzę z zakresu sztucznej inteligencji (np. ukończony kurs AI), które chcą rozwijać swoje umiejętności w zakresie tworzenia i optymalizacji własnych agentów AI. Uczestnicy powinni dysponować dostępem do platformy OpenAI (minimum licencja Plus) lub korzystać z darmowego konta Gemini firmy Google. Szkolenie jest skierowane do osób chcących samodzielnie tworzyć personalizowane asystenty AI, pracując na własnym laptopie z przygotowanymi plikami wiedzy, co umożliwi im bieżące testowanie i konfigurację agentów.
Idea szkolenia “Personalizowani Asystenci/Agenci AI” opiera się na praktycznym podejściu do tworzenia, konfigurowania i rozwijania agentów AI opartych na dużych modelach językowych (LLM). Uczestnicy nauczą się efektywnego korzystania z platformy openai.com, poznają techniki promptowania, zastosowanie metod RAG (Retrieval-Augmented Generation) oraz ucznia modeli. Istotnym elementem szkolenia jest również bezpieczeństwo danych oraz umiejętność wdrażania agentów w sposób dostosowany do konkretnych potrzeb użytkownika lub organizacji.
Personalizowani Asystenci/Agenci AI – korzyści ze szkolenia
-
Zwiększenie jakości współpracy człowiek-AI: Pracownicy i organizacje uczą się, jak tworzyć efektywną relację z agentami AI opartą na zrozumieniu i kontroli. Lepsze zaprojektowanie interakcji między użytkownikiem a agentem prowadzi do wyższej jakości wyników. W efekcie AI staje się realnym wsparciem, a nie tylko dodatkiem technologicznym.
-
Oszczędność czasu i zasobów dzięki personalizacji narzędzi: Zarówno pracownicy, jak i cała organizacja mogą ograniczyć czas poświęcany na rutynowe zadania. Agenci AI przejmują powtarzalne działania, jednocześnie dostarczając wyniki szybciej i z większą precyzją. To przekłada się na wzrost wydajności i lepsze wykorzystanie zasobów ludzkich.
-
Możliwość skalowania rozwiązań AI wewnątrz organizacji: Po wdrożeniu pierwszych agentów możliwe jest szybkie rozszerzanie ich zastosowania na inne zespoły, działy lub procesy. Dzięki temu wiedza nabyta przez pracowników może być wykorzystana w szerszym zakresie. To wspiera kulturę innowacyjności i cyfrowej transformacji.
-
Budowanie wewnętrznych repozytoriów wiedzy zasilających AI: Wspólne tworzenie baz danych i plików wiedzy staje się nowym sposobem na dzielenie się informacjami. Agenci mogą korzystać z tych zasobów, dostarczając odpowiedzi oparte na rzeczywistych danych organizacji. Ułatwia to utrzymanie spójności informacji i redukuje duplikowanie pracy.
-
Wzrost elastyczności w adaptacji nowych technologii: Zarówno pracownicy, jak i organizacja zyskują zdolność szybkiego reagowania na zmiany technologiczne. Umiejętność tworzenia i modyfikowania własnych narzędzi AI sprawia, że łatwiej wdrażać nowe rozwiązania. To daje przewagę konkurencyjną i większą odporność na zmieniające się warunki rynkowe.
Korzyści dla organizacji
-
Automatyzacja powtarzalnych procesów biznesowych: Dzięki agentom AI organizacje mogą zautomatyzować zadania, które dotąd wymagały udziału człowieka. To pozwala na znaczne oszczędności czasu i kosztów operacyjnych. Zautomatyzowane procesy działają szybciej, są mniej podatne na błędy i umożliwiają pracownikom skupienie się na zadaniach wymagających kreatywności.
-
Zwiększenie efektywności operacyjnej: Personalizowani asystenci AI przyspieszają realizację zadań i wspierają podejmowanie decyzji w oparciu o aktualne dane. Agenci mogą działać jako pomoc w analizie informacji, przygotowywaniu zestawień czy odpowiadaniu na zapytania klientów. To sprawia, że cała organizacja działa sprawniej i bardziej dynamicznie.
-
Wdrożenie bezpiecznych i niezależnych technologii offline: Możliwość wykorzystania modeli offline daje organizacjom większą kontrolę nad danymi oraz dostępem do wiedzy. Rozwiązania niezależne od chmury sprawdzają się w środowiskach o ograniczonym dostępie do Internetu lub przy restrykcyjnych politykach bezpieczeństwa. To zwiększa odporność organizacji na ryzyka zewnętrzne i podnosi poziom bezpieczeństwa.
-
Elastyczne dopasowanie rozwiązań AI do konkretnych potrzeb: Szkolenie umożliwia organizacjom tworzenie agentów AI, którzy odpowiadają na specyficzne potrzeby danej branży, działu lub zespołu. Takie dopasowanie pozwala lepiej wykorzystać potencjał AI w codziennej działalności. W efekcie technologia staje się narzędziem wspierającym konkretne cele biznesowe.
-
Lepsze wykorzystanie danych wewnętrznych organizacji: Dzięki możliwości zasilania agentów własnymi plikami wiedzy organizacje mogą tworzyć wewnętrzne narzędzia analityczne i doradcze. To pozwala pracownikom na szybszy dostęp do uporządkowanej, aktualnej wiedzy bez potrzeby przeszukiwania zasobów ręcznie. Wzmacnia to procesy decyzyjne i ułatwia dostęp do kluczowych informacji.
Korzyści dla pracowników
-
Zdolność samodzielnego tworzenia agentów AI: Uczestnicy nauczą się tworzyć agentów dostosowanych do własnych zadań, stylu pracy i celów. Dzięki temu mogą efektywniej realizować swoje obowiązki z pomocą spersonalizowanego narzędzia. To zwiększa ich samodzielność i komfort pracy w środowisku cyfrowym.
-
Rozwój kompetencji w zakresie efektywnego promptowania: Pracownicy poznają techniki pisania skutecznych zapytań (promptów), co pozwoli im lepiej komunikować się z agentami AI. Precyzyjne promptowanie przekłada się na lepsze wyniki i większą kontrolę nad pracą agenta. Umożliwia to bardziej zaawansowane wykorzystanie sztucznej inteligencji w praktyce.
-
Umiejętność konfiguracji narzędzi opartych na RAG: Uczestnicy poznają zasady działania i wykorzystania techniki Retrieval-Augmented Generation. To umożliwia im tworzenie agentów, którzy wykorzystują aktualne źródła wiedzy do generowania bardziej trafnych i kontekstowych odpowiedzi. Pracownik staje się twórcą zaawansowanego narzędzia wspierającego jego zadania.
-
Zrozumienie i wykorzystanie modeli offline: Szkolenie uczy, jak korzystać z modeli językowych działających lokalnie, bez konieczności połączenia z chmurą. To przydatne w sytuacjach, gdy dostęp do Internetu jest ograniczony lub niepożądany ze względów bezpieczeństwa. Pracownik zyskuje niezależność technologiczną i większą kontrolę nad danymi.
-
Umiejętność testowania i optymalizacji własnych agentów: Uczestnicy uczą się, jak analizować działanie stworzonych agentów i wprowadzać niezbędne poprawki. Pozwala to na systematyczne ulepszanie pracy agenta oraz lepsze dopasowanie do potrzeb użytkownika. Dzięki temu agenci stają się bardziej wydajni i przydatni w codziennej pracy.
Metody wykorzystywane podczas szkolenia
Wykłady teoretyczne
W trakcie wykładów uczestnicy zapoznają się z kluczowymi pojęciami związanymi z tworzeniem agentów AI, w tym z zasadami działania modeli językowych LLM, techniką RAG oraz bezpieczeństwem danych. Teoretyczne wprowadzenie umożliwia zrozumienie podstaw technologicznych i koncepcyjnych, które stanowią fundament dalszej pracy praktycznej. Wykłady prowadzone są w sposób przystępny, z naciskiem na zrozumienie zastosowań w rzeczywistych scenariuszach.
Warsztaty praktyczne
Główny nacisk podczas szkolenia kładziony jest na pracę warsztatową, w której uczestnicy samodzielnie tworzą, konfigurują i testują własnych agentów AI. Praca odbywa się z wykorzystaniem własnych plików wiedzy i narzędzi takich jak OpenAI ChatGPT lub Gemini. Uczestnicy uczą się praktycznych umiejętności takich jak promptowanie, personalizacja agenta oraz integracja z zewnętrznymi narzędziami, co pozwala na natychmiastowe zastosowanie zdobytej wiedzy.
Studia przypadków
Szkolenie zawiera analizę konkretnych przykładów wdrożeń agentów AI w różnych środowiskach, także offline. Przykłady te pomagają uczestnikom zrozumieć potencjalne zastosowania technologii w ich własnych branżach lub organizacjach. Analiza rzeczywistych scenariuszy pozwala lepiej przewidzieć wyzwania, potrzeby i korzyści związane z wykorzystaniem spersonalizowanych agentów.
Dyskusje grupowe
Uczestnicy biorą udział w moderowanych dyskusjach, podczas których mogą dzielić się swoimi doświadczeniami, pomysłami i spostrzeżeniami dotyczącymi AI. Wspólna wymiana wiedzy sprzyja kreatywnemu podejściu do rozwiązywania problemów oraz umożliwia spojrzenie na omawiane zagadnienia z różnych perspektyw. Dyskusje wspierają również budowanie zrozumienia, jak różne branże mogą korzystać z agentów AI.
Marek Ogryzek
Wybitny nauczyciel akademicki i praktyk w zakresie technologii informacyjnych. Wykładowca na UWM w Olsztynie oraz trener AI. Posiada bogate doświadczenie w prowadzeniu zajęć dydaktycznych dla studentów oraz kursów specjalistycznych dla profesjonalistów w dziedzinach GIS, IT, oraz sztucznej inteligencji. Kawaler Brązowego Krzyża Zasługi. Jako Certyfikowany Trener AI wykorzystuje narzędzia generatywnej sztucznej inteligencji, aby wprowadzać innowacje w biznesie i sektorze publicznym, dzieląc się swoją wiedzą i doświadczeniem poprzez szkolenia prowadzone w Progression oraz na swojej stronie internetowej. Przez lata swojej pracy przeszkolił ponad 10 tysięcy kursantów. Zdobył cenny wgląd w świat zarządzania projektami, oferując usługi doradztwa naukowego i zarządzania w zakresie projektów B+R. Trener i Egzaminator międzynarodowych certyfikatów umiejętności komputerowych, takich jak ECDL (European Computer Driving Licence), w tym specjalizacji ECDL GISPrz. Wykładał na uczelniach wyższych we Włoszech, Litwie i Hiszpanii. Jako doktor nauk technicznych prowadził zaawansowane projekty badawczo-rozwojowe, takie jak projekt B+R LabellCal, który skupiał się na predykcji danych oraz algorytmach optymalizacyjnych, a także LabellCal+, skoncentrowany na wykorzystaniu AI w obszarach Big Data, sieci neuronowych, machine learning oraz deep learning. Brał czynny udział w 24 projektach w tym 3 B+R, 6 PM. 5 Start up oraz 11 projektów naukowych w tym 3 dydaktyczne oraz 8 staży naukowo dydaktycznych. Jest autorem ponad 75 publikacji naukowych. Jego kompetencje rozciągają się na szerokie spektrum szkoleń i instruktaży, obejmując obszary GIS, sztucznej inteligencji oraz umiejętności komputerowych. Do rozwiązywania problemów badawczych stosuje narzędzia i instrumenty technologii GIS. Jako trener i konsultant, ma na celu przekazywanie praktycznej wiedzy i umiejętności. Chętnie wesprze Twoją organizację w efektywnym wykorzystaniu AI w pracy naukowej, badawczej i biznesowej. KURSY I SZKOLENIA: QGIS, Arc GIS, Arc Scene, Arc GIS Pro, Web GIS, Mobile GIS, 3D GIS (pełen pakiet szkoleń ESRI). SQL, Python, Statistica, bazy danych, Excel, access, budowa baz danych, udostępnianie geoinformacji. Geomarketing, wykonywanie analiz, Geostatystyka, GIS w planowaniu przestrzennym, Web GIS. Certyfikowany Trener AI stosowania narzędzi generatywnej sztucznej inteligencji w biznesie i sektorze publiczny. Przedsiębiorca od 20 lat na rynku. Prowadzi firmę doradczo-szkoleniową, oferującą szeroki zakres usług. Celem działalności jest wspieranie rozwoju technologicznego i kompetencji cyfrowych zarówno w środowisku akademickim, jak i biznesowym. Przez lata zdobył bogate doświadczenie, które chętnie dzieli z innymi, pomagając im osiągnąć sukces w szybko zmieniającym się świecie technologii.
Opinie
Profesjonalnie zorganizowane szkolenie
Interesujące i bardzo profesjonale szkolenie
Współpraca