Kompleksowe, nowoczesne studia podyplomowe dla osób spoza branży IT – bez matematyki wyższej, bez kodowania od pierwszych zajęć, ale z ogromnym potencjałem na przyszłość.

W erze dynamicznych zmian technologicznych, sztuczna inteligencja staje się nie tylko domeną programistów i inżynierów, ale realnym narzędziem, z którego może korzystać każdy – niezależnie od wykształcenia. Dlatego stworzyliśmy te studia podyplomowe specjalnie z myślą o osobach, które nie mają przygotowania informatycznego ani ścisłego, a chcą zdobyć nowe kompetencje zawodowe, zwiększyć swoją atrakcyjność na rynku pracy lub nawet całkowicie się przebranżowić. Program studiów nie wyklucza inżynierów i informatyków, którzy nie zajmowali się zagadnieniami będącymi ich tematyką.

Cel studiów

Celem studiów jest przygotowanie słuchaczy – niezależnie od ich dotychczasowego wykształcenia – do świadomego i praktycznego wykorzystywania narzędzi sztucznej inteligencji i uczenia maszynowego. Uczestnicy zdobędą podstawową wiedzę teoretyczną oraz praktyczne umiejętności niezbędne do analizy danych, automatyzacji procesów i podejmowania decyzji wspieranych przez AI. Studia umożliwiają rozwój kompetencji przyszłości oraz stanowią solidną podstawę do przebranżowienia lub rozszerzenia kwalifikacji zawodowych.

Dlaczego warto?

• Program jest dostosowany do osób bez technicznego wykształcenia – uczymy od zera, krok po kroku.
• Zajęcia prowadzone są przez praktyków – ekspertów AI, analityków danych i trenerów biznesowych.
• Po ukończeniu studiów będziesz gotowy/a, by zastosować AI w swojej branży lub rozpocząć nową ścieżkę kariery.
• Możesz uczestniczyć w projektach praktycznych, budować portfolio i konsultować własne pomysły z wykładowcami.

Adresaci

Studia są skierowane do:

• osób pracujących w sektorach takich jak: edukacja, administracja publiczna, HR, marketing, finanse, logistyka, medycyna czy kultura,
• specjalistów i menedżerów, którzy chcą rozumieć i wykorzystywać narzędzia AI w codziennej pracy,
• wszystkich, którzy chcą zrobić pierwszy krok w stronę kariery w nowoczesnych technologiach – bez potrzeby studiowania informatyki.

Korzyści dla uczestnika

Uczestnicy :

• nauczą się podstaw działania systemów sztucznej inteligencji i metod uczenia maszynowego – w sposób przystępny i zrozumiały,
• poznają konkretne narzędzia i platformy wykorzystywane w biznesie – od Pythona po systemy no-code/low-code i chatboty AI,
• dowiedzą się, jak analizować dane, automatyzować procesy i podejmować lepsze decyzje z pomocą technologii,
• będą świadomie korzystać z modeli językowych (np. ChatGPT) i zrozumieją ich ograniczenia oraz potencjał,
• rozwiną kompetencje, które są dziś jednymi z najbardziej poszukiwanych na rynku pracy – nie tylko w IT!

Organizacja studiów

• Czas trwania: 2 semestry (łącznie 180 godzin zajęć),
• Forma: zjazdy weekendowe (sobota–niedziela), pierwsze i ostatnie zajęcia w każdym semestrze hybrydowo (stacjonarnie i online), pozostałe online. WSZYSTKIE ZAJĘCIA SĄ NAGRYWANE,
• Liczebność grupy: minimalna 10 osób, maksymalna 20 osób,
• Miejsce: Warszawa + platforma e-learningowa MS Teams, Moodle.

Kadra dydaktyczna

• Wykładowcy to doświadczeni praktycy oraz nauczyciele akademicy związani z projektami badawczymi i komercyjnymi w obszarze AI. Wśród kadry m.in. specjaliści z firm technologicznych oraz uczelni wyższych.

Warunki ukończenia studiów

• zaliczenie zadań i projektów modułowych,
• realizacja i obrona projektu końcowego z zakresu AI/ML.

Kompetencje formalne: Dyplom ukończenia studiów podyplomowych, certyfikat ARISA

Opłaty i rekrutacja: Rekrutacja krok po kroku, Płatności

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

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