I zjazd: 25-26 października
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.
- 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. - 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. - 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. - 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. - 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. - 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.pl, tel.: 22 489 64 00/52
Opłaty i rekrutacja
Rekrutacja krok po kroku, Płatności
Kierownik studiów
mgr inż. Andrzej Ptasznik, e-mail: aptaszni@wwsi.edu.pl
Spotkanie organizacyjne
18 października (sobota) w godz. 13.00-14.00 (stacjonarnie i online) LINK do spotkania
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 1 | Terminy zjazdów semestr 2 | |
|---|---|---|
| Spotkanie organizacyjne | 18 października 2025 (sobota) LINK do spotkania | |
| Zjazd I | 25-26 października 2025, | 21-22 lutego 2026 |
| Zjazd II | 8-9 listopada 2025 | 7-8 marca 2026 |
| Zjazd III | 22-23 listopada 2025 | 21-22 marca 2026 |
| Zjazd IV | 6-7 grudnia 2025 | 11-12 kwietnia 2026 |
| Zjazd V | 20-21 grudnia 2025 | 25-26 kwietnia 2026 |
| Zjazd VI | 10-11 stycznia 2026 | 16-17 maja 2026 |
| Zjazd VII | 17-18 stycznia 2026 | 30-31 maja 2026 |
| Zjazd VIII | 31 stycznia -1 lutego 2026 | 6-7 czerwca 2026 |
Opis przedmiotów
| Nazwa przedmiotu | Krótki opis przedmiotu | Imię i nazwisko wykładowcy | Liczba godzin | Liczba ECTS | |
| 1. | Praktyka Data Science i zaawansowane przetwarzanie danych | Przedmiot 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 Ptasznik | 30 | 5 |
| 2. | Inżynieria uczenia maszynowego i MLOps | Przedmiot 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 Ptasznik | 18 | 3 |
| 3. | Głębokie uczenie i sieci neuronowe | Przedmiot 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 Ptasznik | 18 | 3 |
| 4. | Generatywna sztuczna inteligencja | Przedmiot 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 Ptasznik | 30 | 5 |
| 5. | Inteligentne systemy i aplikacje AI | Przedmiot 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 Ptasznik | 30 | 5 |
| 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 Pytlik | 24 | 4 |
| 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. | 18 | 3 | |
| 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 Ptasznik | 12 | 2 |
| 180 | 30 |