Integracja AI w procesach i aplikacjach biznesowych

Dane, algorytmy i fundamenty AI

Moduł 1: Przygotowanie danych do projektów AI

• Źródła danych w organizacji - jak je identyfikować i oceniać jakość.
• Czyszczenie, selekcja i transformacja danych z użyciem Python + Pandas.
• Feature engineering - jak tworzyć cechy, które zwiększają skuteczność modeli.
• Hands-on: praca z rzeczywistym zbiorem danych - od surowych danych do gotowego datasetu.

Moduł 2: Algorytmy uczenia maszynowego w praktyce

• Modele predykcyjne i klasyfikacyjne - kiedy który stosować.
• Algorytmy: regresja, drzewa decyzyjne, Random Forest, XGBoost - praktyczne porównanie.
• Trenowanie, walidacja i ewaluacja modeli (metryki: accuracy, precision, recall, F1, AUC).
• Hands-on: budowa modelu klasyfikacyjnego od zera w Pythonie (scikit-learn).

Moduł 3: Deep Learning i nowoczesne architektury

• Od sieci neuronowych do Transformerów - ewolucja architektur.
• Jak działają Large Language Models (LLM) - tokenizacja, attention, generowanie tekstu.
• Modele multimodalne - przetwarzanie tekstu, obrazu i audio jednocześnie.
• Porównanie modeli: GPT, Claude, Gemini, modele open-source (Llama, Mistral).
• Hands-on: korzystanie z API modeli językowych - prompting, parametry, structured output.

Budowanie i wdrażanie systemów AI

Moduł 4: RAG (Retrieval-Augmented Generation) od podstaw

• Architektura RAG - dlaczego to kluczowa technologia dla biznesowych zastosowań AI.
• Embeddingi i bazy wektorowe - jak indeksować wiedzę organizacji.
• Chunking strategies - jak dzielić dokumenty dla optymalnego wyszukiwania.
• Hands-on: budowa działającego chatbota RAG od zera - od zaindeksowania dokumentów po gotowy interfejs.

Moduł 5: Bezpieczeństwo i ewaluacja systemów AI

• Prompt injection - symulacja ataku i techniki obrony (hands-on).
• Halucynacje LLM - jak je wykrywać i minimalizować.
• Ewaluacja systemów RAG - metryki: faithfulness, relevancy, context precision.
• Best practices bezpieczeństwa AI w produkcji.
• Hands-on: atak prompt injection na chatbota zbudowanego w Module 4 + implementacja zabezpieczeń.

Moduł 6: Integracja, deployment i trendy

• Integracja AI z istniejącymi systemami - API, webhooks, mikroserwisy.
• Od prototypu do produkcji - konteneryzacja, CI/CD dla modeli AI.
• Agenci AI - autonomiczne systemy realizujące złożone zadania.
• Trendy: multimodalne modele, Edge AI, on-premise vs cloud.
• Warsztat końcowy: rozbudowa chatbota RAG - dodanie nowych źródeł danych, fine-tuning promptów, optymalizacja odpowiedzi.

Ćwiczenia:

• Przygotowanie danych: czyszczenie i feature engineering na rzeczywistym zbiorze danych (Python + Pandas).
• Budowa modelu ML: trenowanie i ewaluacja modelu klasyfikacyjnego (scikit-learn).
• Praca z API LLM: prompting, structured output, porównanie modeli.
• Budowa chatbota RAG od zera: indeksowanie dokumentów, embeddingi, baza wektorowa, interfejs.
• Symulacja ataku Prompt Injection: atak i implementacja technik obrony.
• Rozbudowa chatbota RAG: dodatkowe źródła danych, optymalizacja, zabezpieczenia.

Po ukończeniu szkolenia uczestnicy będą w stanie: