Warszawska Wyższa Szkoła Informatyki

Sztuczna inteligencja – aplikacje


Opis studiów

AI w praktyce biznesowej i administracyjnej – dla osób spoza IT. Program obejmuje Data Science w praktyce, inżynierię ML i MLOps (w wersji uproszczonej), sieci neuronowe, generatywną AI (ChatGPT, DALL·E), inteligentne systemy i aplikacje, raportowanie i wizualizację danych (Power BI, Google Data Studio) oraz AI w cyberbezpieczeństwie (szczegółowe opisy przedmiotów, godziny i punkty ECTS w tabeli poniżej).

Adresaci

Specjaliści i menedżerowie z biznesu, edukacji, administracji, marketingu, finansów i logistyki, którzy chcą wykorzystywać AI w swojej branży.

Warunki przyjęcia

Absolwenci dowolnych studiów I lub II stopnia. Nie są wymagane wcześniejsze kompetencje techniczne.

Zaliczenie

Projekt dyplomowy

Kompetencje formalne

Dyplom ukończenia studiów podyplomowych.
Certyfikat ARISA AI Skills (https://aiskills.eu/

FlexPath

Możesz rozszerzyć AI – aplikacje o moduły z Zarządzania projektami IT (PRINCE2, Scrum) i uzyskać profil AI Project Manager, albo o moduły z Data Science (statystyka, wizualizacja danych) i zostać Data Visualization & Analytics Specialist.

  • Twoją bazą są aplikacje AI – ale Ty decydujesz, czy wzbogacisz je o zarządzanie projektami, czy o analizę danych.
  • Każda ścieżka w modelu WWSI FlexPath łączy solidne podstawy z elastycznością – bo to Ty współtworzysz swój dyplom i kompetencje.

Na czym polega możliwość rozszerzenia specjalizacji:

Jak działa procedura FlexTech?
FlexTech to unikalny model kształcenia na studiach podyplomowych WWSI, który pozwala Ci współtworzyć własny program studiów i finalny profil kompetencji.

  1. Wybór specjalności głównej
    • Na etapie rekrutacji wybierasz jedną z 8 głównych specjalności (np. Data Science, Bezpieczeństwo systemów, Fullstack Developer, AI – Aplikacje itp.).
    • To ona stanowi fundament Twojego programu – zestaw obowiązkowych przedmiotów realizowanych przez wszystkich studentów danej specjalności.
  2. Dostęp do katalogu wszystkich modułów
    • Po rozpoczęciu studiów otrzymujesz pełny katalog przedmiotów dostępnych we wszystkich specjalnościach.
    • Dzięki temu możesz zobaczyć, jakie dodatkowe kompetencje możesz zdobyć poza główną ścieżką.
  3. Wybór modułów dodatkowych
    • Możesz wskazać do 5 przedmiotów z innych specjalności, które zrealizujesz w trybie asynchronicznym (na podstawie nagrań wideo).
    • Moduły dodatkowe są zaliczane na podstawie CBT (Computer Based Test) – testów i ćwiczeń w formie online.
    • To właśnie one kształtują Twój profil rozszerzony – indywidualny zestaw umiejętności dopasowany do Twoich celów zawodowych.
  4. Realizacja zajęć
    • W trybie stacjonarnym lub hybrydowym uczestniczysz w zajęciach swojej specjalności głównej.
    • Wybrane moduły dodatkowe zaliczasz elastycznie, we własnym tempie – online, asynchronicznie, na podstawie materiałów nagranych i CBT.
  5. Projekt dyplomowy
    • Temat projektu możesz wybrać tak, aby łączył wiedzę z głównej specjalności i wybranych rozszerzeń.
    • Dzięki temu praca końcowa odzwierciedla Twoją spersonalizowaną ścieżkę kompetencji.
  6. Dyplom i certyfikaty
    • Na dyplomie znajdzie się nazwa Twojej specjalności głównej oraz adnotacja o rozszerzeniu (np. „Cloud Computing z rozszerzeniem Cybersecurity Cloud Specialist”).
    • Otrzymasz także certyfikaty branżowe wynikające z udziału w programach partnerskich (np. ESSA, ARISA, AI Skills, AWS Academy).
    • Do dyplomu dołączony będzie pełny wykaz wszystkich przedmiotów, które zrealizowałeś.

Dlaczego FlexTech to przewaga na rynku pracy?
Dzięki tej procedurze Twój dyplom nie jest szablonowy – ale unikalny i spersonalizowany. To Ty decydujesz, jakie dodatkowe kompetencje zdobędziesz i które z nich chcesz mieć oficjalnie potwierdzone w dokumentach.


Informacje

podyplomowe@wwsi.edu.pltel.: 22 489 64 00/52

Opłaty i rekrutacja

Rekrutacja krok po krokuPłatności

Kierownik studiów

mgr inż. Andrzej Ptasznik, e-mail: aptaszni@wwsi.edu.pl

Spotkanie organizacyjne

18 października (sobota) (stacjonarnie i online)

Organizacja studiów:

Pierwszy i ostatni zjazd w każdym semestrze oraz spotkanie organizacyjne odbywają się w trybie hybrydowym (stacjonarnie i online)

Uwaga: Studenci we wszystkich zajęciach

Terminy zjazdów w pierwszym i drugim semestrze roku akademickiego 2025/2026:

Terminy zjazdów semestr 1Terminy zjazdów semestr 2
Spotkanie organizacyjne 18 października 2025 (sobota)
Zjazd I 25-26 października 2025,21-22 lutego 2026
Zjazd II8-9 listopada 20257-8 marca 2026
Zjazd III22-23 listopada 202521-22 marca 2026
Zjazd IV6-7 grudnia 202511-12 kwietnia 2026
Zjazd V20-21 grudnia 202525-26 kwietnia 2026
Zjazd VI10-11 stycznia 202616-17 maja 2026
Zjazd VII17-18 stycznia 202630-31 maja 2026
Zjazd VIII31 stycznia -1 lutego 20266-7 czerwca 2026

Opis przedmiotów

    Nazwa przedmiotu Krótki opis przedmiotu Imię i nazwisko wykładowcyLiczba godzinLiczba ECTS
1.Praktyka Data Science i zaawansowane przetwarzanie danychPrzedmiot koncentruje się na praktycznych aspektach pracy z danymi – od pozyskiwania i czyszczenia danych, przez ich eksplorację, aż po budowanie modeli predykcyjnych. Uczestnicy poznają metody przetwarzania dużych zbiorów danych, techniki wizualizacji oraz narzędzia wykorzystywane w codziennej pracy analityka danych. Zajęcia mają formę warsztatową i są oparte na rzeczywistych przykładach i projektach, co pozwala na bezpośrednie zastosowanie zdobytej wiedzy w praktyce.Andrzej Ptasznik305
2.Inżynieria uczenia maszynowego i MLOpsPrzedmiot łączy wiedzę z zakresu tworzenia, wdrażania i utrzymania modeli uczenia maszynowego w środowiskach produkcyjnych. Uczestnicy poznają cykl życia projektu ML – od przygotowania danych i budowy modeli, przez ich testowanie i optymalizację, aż po automatyzację wdrożeń (MLOps). Omawiane są narzędzia i dobre praktyki umożliwiające skalowalne, powtarzalne i zautomatyzowane wdrażanie rozwiązań opartych na AI w organizacjach.Jacek Jabłonka Andrzej Ptasznik183
3.Głębokie uczenie i sieci neuronowePrzedmiot wprowadza uczestników w podstawy działania nowoczesnych sieci neuronowych i technik głębokiego uczenia (deep learning) w sposób przystępny, bez potrzeby znajomości zaawansowanej matematyki czy programowania. Uczestnicy poznają zastosowania sztucznych sieci neuronowych m.in. w rozpoznawaniu obrazów, przetwarzaniu języka naturalnego i analizie danych. Zajęcia mają charakter praktyczny – oparte są na intuicyjnym wytłumaczeniu działania modeli oraz pracy z gotowymi narzędziami i przykładami, które umożliwiają zrozumienie potencjału i ograniczeń tej technologii.                        Jacek Jabłonka Andrzej Ptasznik183
4.Generatywna sztuczna inteligencjaPrzedmiot przybliża uczestnikom tematykę nowoczesnych modeli generatywnych, takich jak ChatGPT, DALL·E czy inne systemy tworzące teksty, obrazy, dźwięki i dane na podstawie podanych przykładów lub poleceń. Uczestnicy poznają w praktyce, jak działają modele generatywne, jak z nich bezpiecznie korzystać i jakie mają zastosowania w różnych branżach – od edukacji i marketingu, po analizę danych i automatyzację treści. Zajęcia skupiają się na zrozumieniu zasad działania tych technologii oraz ćwiczeniach z gotowymi narzędziami, bez konieczności programowania czy zaawansowanej wiedzy technicznej.Jacek Jabłonka Andrzej Ptasznik305
5.Inteligentne systemy i aplikacje AIPrzedmiot prezentuje różnorodne zastosowania sztucznej inteligencji w praktyce – od inteligentnych asystentów i chatbotów, przez systemy rekomendacyjne, po automatyzację procesów w biznesie i administracji. Uczestnicy poznają, jak działają takie rozwiązania, jak są projektowane oraz jak wykorzystywać je w pracy zawodowej – bez potrzeby kodowania. Zajęcia koncentrują się na świadomym doborze i ocenie narzędzi AI, z naciskiem na ich funkcjonalność, ograniczenia oraz etyczne aspekty wdrażania w środowiskach nieinformatycznych.                Andrzej Ptasznik305
6.Warsztaty z raportowania i wizualizacji  danych z wykorzystaniem platform analitycznych.  Przedmiot ma charakter praktyczny i koncentruje się na umiejętności tworzenia czytelnych, interaktywnych raportów i wizualizacji danych z wykorzystaniem nowoczesnych narzędzi analitycznych – takich jak Power BI czy Google Data Studio. Uczestnicy nauczą się, jak przekształcać dane w przejrzyste wykresy, pulpity menedżerskie i zestawienia wspierające podejmowanie decyzji. Zajęcia prowadzone są w sposób przystępny, z naciskiem na rozwijanie praktycznych kompetencji przydatnych w pracy w różnych branżach – od biznesu po administrację publiczną.  Urszula Cholewa Marcin Pytlik244
7.Zastosowanie AI w zadaniach cyberbezpieczeństwa.Przedmiot wprowadza uczestników w tematykę wykorzystania sztucznej inteligencji do ochrony danych, systemów i użytkowników w świecie cyfrowym. Omawiane są przykłady zastosowań AI w wykrywaniu zagrożeń, analizie anomalii, filtrowaniu treści czy automatycznym reagowaniu na incydenty. Uczestnicy dowiedzą się, jak nowoczesne narzędzia AI wspierają bezpieczeństwo w organizacjach i jak z nich korzystać bez potrzeby posiadania technicznej wiedzy z zakresu IT. Zajęcia koncentrują się na zrozumieniu realnych zagrożeń oraz praktycznych zastosowaniach ochrony opartej na danych i inteligentnych algorytmach.        183
8.Seminarium dyplomowe (projekt egzaminacyjny)Seminarium dyplomowe to końcowy etap studiów, podczas którego uczestnicy – pod opieką promotora – realizują własny projekt związany z tematyką sztucznej inteligencji i uczenia maszynowego. Tematyka projektów dostosowywana jest do zainteresowań i doświadczenia słuchaczy, a celem jest praktyczne zastosowanie zdobytej wiedzy w wybranym obszarze zawodowym lub branżowym. Projekty mogą mieć charakter analityczny, koncepcyjny lub wdrożeniowy i nie wymagają zaawansowanych umiejętności technicznych – liczy się pomysł, świadome wykorzystanie narzędzi AI oraz umiejętność interpretacji wyników i ich prezentacji.Andrzej Ptasznik122
    18030