StacjonarneMożliwe dofinansowanie

AI i Machine Learning w zielonej transformacji branży beauty – programowanie rozwiązań ograniczających zużycie zasobów i odpady

Logo SEASONS GROUP SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
SEASONS GROUP SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
5.0(392 opinie w BUR)58 zrealizowanych usług
Termin
28.11.2026-06.12.2026
9 dni
Miejsce
Gliwice
stacjonarne
Czas trwania
16 h
9 dni
Grupa
2-17 osób
Zapisy do
27.11.2026
jeszcze 7 dni
6150,00 zł
brutto za osobę · 5000,00 zł netto · 384,38 zł/h
Termin
28.11.2026-06.12.2026
Miejsce
Gliwice
Zapisy do
27.11.2026
Zmień termin (2 dostępne)

Czego się nauczysz

  • Rozróżnia algorytmy uczenia maszynowego oraz ich zastosowanie w optymalizacji zasobów i redukcji odpadów
  • Wyjaśnia wpływ przetwarzania danych na zużycie energii i emisje dwutlenku węgla w systemach AI
  • Klasyfikuje rodzaje danych środowiskowych i sposoby ich integracji w modelach prognostycznych
  • Opisuje zasady ekonomii o obiegu zamkniętym i możliwości zastosowania AI w optymalizacji cyklu życia produktu
  • Opracowuje modele predykcyjne optymalizujące rozkład zasobów oraz zmniejszające straty i odpady
  • Konstruuje systemy monitorowania parametrów środowiskowych z wykorzystaniem technik transfer learning
  • Implementuje algorytmy optymalizacyjne do planowania tras i procesów logistycznych zmniejszających emisje
  • Wdraża systemy AI wspierające procesy decyzyjne w zakresie redukcji emisji i zarządzania odpadami
  • Komunikuje wyniki analiz AI uwzględniające aspekty zrównoważonego rozwoju dla różnych odbiorców
  • Ocenia i wprowadza działania ulepszające etykę i przejrzystość systemów AI we wdrażanych rozwiązaniach
  • Współpracuje w zespołach interdyscyplinarnych, integrując perspektywy techniczne i ekologiczne
  • Przestrzega zasad ochrony danych i prywatności przy obsługiwaniu wrażliwych informacji w systemach

Dla kogo

Szkolenie skierowane jest do osób związanych z branżą beauty lub planujących pracę w tym obszarze, zainteresowanych rozwojem zielonych umiejętności potrzebnych w warunkach transformacji ekologicznej. Jest przeznaczone dla osób, które chcą wykorzystywać sztuczną inteligencję, Machine Learning, analizę danych i podstawy programowania w Pythonie do tworzenia i wdrażania rozwiązań ograniczających zużycie kosmetyków, materiałów, wody i energii, powstawanie odpadów oraz emisje. Wcześniejsze doświadczenie w programowaniu nie jest wymagane.

Program

16 h

Moduł I. Algorytmy AI i podstawy programowania dla zielonej transformacji branży beauty

  1. Uczenie nadzorowane i nienadzorowane oraz zastosowanie modeli predykcyjnych do ograniczania nadmiernych zapasów kosmetyków, zużycia energii i powstawania odpadów w branży beauty.
  2. Wpływ wielkości zbiorów danych i obliczeń na zużycie energii oraz emisję CO₂. Metody ograniczania śladu środowiskowego modeli AI.
  3. Wprowadzenie do Google Colab i Python: uruchamianie kodu, zmienne, proste obliczenia i odczytywanie wyników. Wykorzystanie AI do wyjaśniania i modyfikowania kodu oraz sprawdzanie poprawności proponowanych zmian.
  4. Ćwiczenie: uczestnik modyfikuje skrypt obliczający zużycie kosmetyków, materiałów jednorazowych i ilość odpadów na podstawie liczby wykonywanych usług. Testuje różne dane wejściowe i wyjaśnia ich wpływ na wynik.

Narzędzia: Google Colab, Python, ChatGPT lub Google Gemini, Teachable Machine.

Moduł II. Dane środowiskowe i gospodarka o obiegu zamkniętym w branży beauty

  1. Dane z czujników, pomiarów stacjonarnych i źródeł satelitarnych oraz ich zastosowanie w analizach środowiskowych. Dane operacyjne salonu: zużycie kosmetyków, wody i energii, stany magazynowe, terminy ważności oraz ilość odpadów.
  2. Wskaźniki stosowane w modelach AI: zużycie energii i materiałów, odpady, dystans dostaw, paliwo oraz emisja CO₂.
  3. Cykl życia kosmetyków, opakowań i wyposażenia salonu. Zastosowanie systemów rekomendacyjnych do porównywania ponownego użycia, naprawy, odzysku materiału i wykorzystania nowego zasobu, z uwzględnieniem wymagań higienicznych.
  4. Import, czyszczenie i łączenie niewielkich zbiorów CSV w Pythonie.
  5. Ćwiczenie: uczestnik łączy dane o liczbie usług, zużyciu produktów i powstających odpadach, usuwa błędne wpisy oraz przygotowuje tabelę zmiennych do modelu prognozującego zapotrzebowanie na zasoby.

Narzędzia: Google Colab, Python, pandas, Google Sheets/CSV, ChatGPT, Google Gemini.

Moduł III. Modele predykcyjne i monitoring parametrów środowiskowych w salonie beauty

  1. Przygotowanie danych o usługach i zasobach; podział na dane treningowe i testowe.
  2. Budowa i testowanie modelu prognozującego zużycie kosmetyków lub odpady w celu ograniczania strat i nadmiernych zakupów.
  3. Dostosowanie przygotowanego lekkiego modelu do monitorowania zużycia wody lub energii za pomocą transfer learning. Porównanie potrzeb obliczeniowych modeli.
  4. Połączenie modelu z symulowanymi odczytami IoT, aktualizacja wskaźników i wykrywanie podwyższonego zużycia.
  5. Ćwiczenie: uczestnik modyfikuje kod, testuje prognozy, dostosowuje model przez transfer learning i uruchamia monitoring zasobów.

Narzędzia: Google Colab, Python, pandas, scikit-learn, TensorFlow/Keras, ChatGPT lub Gemini.

Moduł IV. Algorytmy optymalizacji transportu i procesów logistycznych w branży beauty

  1. Zmienne potrzebne do porównania wariantów dostaw kosmetyków i materiałów: czas, dystans, zużycie paliwa, koszt i emisja CO₂.
  2. Projektowanie prostego algorytmu wyboru trasy lub sposobu realizacji dostaw do salonu, z uwzględnieniem zapotrzebowania prognozowanego przez model AI.
  3. Testowanie wariantów zamówień pojedynczych i łączonych oraz porównywanie ich kosztu, szacowanych emisji i ryzyka powstawania nadmiernych zapasów.
  4. Ćwiczenie: uczestnik uzupełnia i modyfikuje skrypt Python porównujący kilka wariantów dostaw kosmetyków. Testuje algorytm po zmianie danych dotyczących zapotrzebowania, czasu, dystansu i paliwa oraz uzasadnia wybór wariantu ograniczającego emisję i straty produktów.

Narzędzia: Google Colab, Python, pandas, Google Sheets/CSV, ChatGPT, Microsoft Copilot.

Moduł V. System AI wspierający decyzje środowiskowe w salonie beauty

  1. Interpretowanie prognoz zużycia zasobów i wyników algorytmów oraz przedstawianie ich właścicielom i pracownikom salonu bez przygotowania technicznego.
  2. Przygotowanie prostego interfejsu pokazującego dane wejściowe, wynik modelu, rekomendowany wariant działania i ograniczenia rekomendacji.
  3. Włączenie wyniku modelu do przykładowego procesu operacyjnego salonu: planowania zakupów, ograniczania przeterminowania kosmetyków lub reagowania na podwyższone zużycie wody i energii.
  4. Ocena przejrzystości i odpowiedzialności rozwiązania AI: dokumentowanie jakości danych, sposobu walidacji modelu, reguł podejmowania decyzji oraz wpływu na pracowników, klientów i dostawców.
  5. Ćwiczenie: uczestnik uruchamia prototyp interfejsu połączonego z modelem AI, testuje rekomendację dla przykładowego salonu i wskazuje działanie ograniczające zużycie zasobów lub odpady. Wyjaśnia założenia i ograniczenia rozwiązania oraz określa wskaźnik służący do sprawdzenia efektów jego zastosowania.

Narzędzia: Google Colab, Python, interfejs w Colab/Streamlit, ChatGPT, Google Gemini.

Moduł VI. Współpraca i bezpieczny cykl życia danych we wdrażaniu AI w branży beauty

  1. Role specjalistów ds. technologii, ochrony środowiska, logistyki i produkcji oraz właścicieli i pracowników salonów beauty. Uzgadnianie wspólnych celów przy tworzeniu rozwiązania AI ograniczającego zużycie zasobów, odpady i emisje.
  2. Minimalizacja i anonimizacja danych, określanie okresu ich przechowywania, bezpieczne usuwanie oraz ochrona danych osobowych klientów i pracowników. Wykorzystywanie danych syntetycznych lub skutecznie zanonimizowanych w ćwiczeniach.
  3. Cykl życia danych w modelu treningowym i podczas jego używania: pozyskanie, przygotowanie, trenowanie, walidacja, wykorzystanie, aktualizacja i usunięcie.
  4. Ćwiczenie: uczestnik konsultuje założenia rozwiązania dla salonu beauty z osobami przyjmującymi role specjalistów z różnych dziedzin. Następnie samodzielnie opracowuje kartę wdrożenia, w której zapisuje wspólnie uzgodniony cel środowiskowy, podział zadań, własny wkład, sposób wykorzystania wyników modelu w pracy salonu, wskaźnik i sposób sprawdzania efektów oraz zasady anonimizacji, retencji i usuwania danych.

Narzędzia: Google Sheets, Google Colab, Python, ChatGPT, Google Gemini.

MODUŁ VII: WALIDACJA ORAZ CERTYFIKACJA

Szkolenie zakończone jest egzaminem przeprowadzonym przez osobę powołaną do walidacji. Walidacja uczestników jest niezależna od procesu szkoleniowego. Osoba prowadząca szkolenie nie bierze udziału w ocenie swoich kursantów w zakresie, którego nauczała.

Szkolenie prowadzi do nabycia kwalifikacji zawodowej: SPECJALISTA DS. SZTUCZNEJ INTELIGENCJI

Wynik przeprowadzonej walidacji jest ogłaszany od razu po zakończeniu szkolenia. Czas oczekiwania na wydanie certyfikatu: do 7 dni po zakończeniu walidacji. Czas szkolenia uwzględnia czas oczekiwania na wydanie certyfikatu.

Końcową walidację przeprowadza niezależny egzaminator (podmiot zewnętrzny).

Metoda weryfikacji osiągnięcia efektów kształcenia, tj. realizacji celu edukacyjnego:

    • test teoretyczny
    • analiza dowodów i deklaracji

Czas trwania szkolenia: 16 godzin ZEGAROWYCH

Szkolenie składa się z 4h ZEGAROWYCH teoretycznych, 9h ZEGAROWYCH PRAKTYCZNYCH , 2h przerwy oraz 1h WALIDACJI.

Szkolenie „AI i Machine Learning w zielonej transformacji branży beauty – programowanie rozwiązań ograniczających zużycie zasobów i odpady – szkolenie z kwalifikacjami” rozwija zielone umiejętności zgodne z założeniami projektu FESL 10.17. Przygotowuje uczestników do tworzenia, testowania i wdrażania prostych rozwiązań AI ograniczających zużycie kosmetyków, materiałów, wody i energii, powstawanie odpadów oraz emisję CO₂ w branży beauty.

Uczestnicy wykorzystują Python i Google Colab do analizy danych, budowania modeli predykcyjnych i programowania algorytmów optymalizacyjnych. Opracowują rozwiązania wspierające prognozowanie zużycia produktów, zapobieganie ich przeterminowaniu, monitorowanie zasobów oraz planowanie dostaw. Testują działanie prototypów, oceniają wyniki i przygotowują rekomendacje oraz kartę wdrożenia rozwiązania w salonie beauty, uwzględniając mierzalny cel środowiskowy.

Zielone umiejętności rozwijane podczas szkolenia:

  • programowanie i testowanie modeli wspierających oszczędzanie kosmetyków, materiałów, wody i energii oraz ograniczanie odpadów i emisji;
  • analiza danych o zużyciu zasobów i odpadach, w tym przykładowych odczytów z czujników IoT;
  • prognozowanie zapotrzebowania na produkty w celu ograniczania nadmiernych zapasów i strat wynikających z przeterminowania;
  • porównywanie wariantów dostaw kosmetyków i materiałów pod kątem kosztu, zużycia paliwa i szacowanej emisji CO₂;
  • stosowanie lekkich modeli AI, technik transfer learning i ograniczanie zapotrzebowania na zasoby obliczeniowe;
  • uwzględnianie cyklu życia kosmetyków, opakowań i wyposażenia oraz zasad gospodarki o obiegu zamkniętym, z zachowaniem wymagań higienicznych;
  • wykorzystywanie wyników AI do podejmowania decyzji środowiskowych i monitorowania efektów wdrożenia;
  • komunikowanie rekomendacji opartych na danych oraz odpowiedzialna ochrona wykorzystywanych informacji.

Szkolenie wspiera rozwój kompetencji potrzebnych w zielonej gospodarce i transformacji ekologicznej regionu poprzez praktyczne zastosowanie programowania i AI w branży beauty.

TEMATYKA SZKOLENIA JEST ZGODNA Z PROGRAMEM REGIONALNYM ROZWOJU TECHNOLOGII NA LATA 2019-2030 W OBSZARZE TECHNOLOGIE TELEKOMUNIKACYJNE I INFORMACYJNE,

4.1 TECHNOLOGIE TELEKOMUNIKACYJNE

4.2.5 data mining

4.7.10 sztuczna inteligencja i uczenie maszynowe.

F8: SZTUCZNA INTELIGENCJA I UCZENIE MASZYNOWE

WARUNKI TECHNICZNE:

SALA WYPOSAŻONA W SPRZĘT KOMPUTEROWY.

Samodzielne stanowiska pracy.

WARUNKI ORGANIZACYJNE I OPIS CZĘŚCI PRAKTYCZNEJ

Uczestnicy pracują indywidualnie, a w module VI konsultują założenia rozwiązania z innymi kursantami pełniącymi określone role. Każdy ma zapewniony stół, krzesło i komputer z internetem. Dopuszcza się korzystanie z własnego laptopa spełniającego wymagania szkolenia.

Sposób realizacji warsztatu

Uczestnicy pracują w Google Colab, wykorzystując Python, pandas i scikit-learn. Przygotowują dane, modyfikują kod oraz tworzą i testują modele prognozujące zużycie kosmetyków i materiałów, ograniczające nadmierne zapasy i odpady.

DALSZA CZĘŚĆ OPISU W 'MATERIAŁY DODATKOWE'

Terminy i miejsca

Wybierz termin, który Ci pasuje.

Miejsce

ul. Łużycka 16, 44-100 Gliwice

Sala szkoleniowa

Prowadzący

K
KINGA GAWRON
Trener z 10 letnim doświadczeniem w prowadzeniu szkoleń, szczególnie z zakresu nowych technologii, oprogramowania i SOCIAL MEDIÓW Posiada głęboką wiedzę na temat zrównoważonego rozwoju oraz sztucznej inteligencji, zwłaszcza w zakresie modeli językowych, takich jak ChatGPT, oraz doświadczenie w pracy z ChatGPT, zarówno w wersji podstawowej, jak i w zaawansowanych konfiguracjach (np. fine-tuning, API). Posiada kompetencje w projektowaniu case studies, symulacji oraz ćwiczeń opartych na problemach, które pozwolą uczestnikom przećwiczyć różne zastosowania modelu. Posiada praktyczne kompetencje w zakresie Python, Google Colab, pandas i scikit-learn, wykorzystywanych do analizy i integracji danych oraz tworzenia i testowania prostych modeli Machine Learning. Posiada również wiedzę z zakresu transfer learning oraz wykorzystania AI do analizy i modyfikacji kodu. Ostatnia aktualizacja wiedzy na temat zastosowania SZTUCZNEJ INTELIGENCJI W OPTYMALIZACJI ZIELONYCH ORGANIZACJI miała miejsce w listopadzie 2024 r. Aktualizacja wiedzy dotyczącej ZIELONEJ GOSPODARKI I ZRÓWNOWAŻONEGO ROZWOJU czerwiec 2025r. Najnowsza aktualizacja wiedzy z obszaru sztucznej inteligencji i ChatGPT miała miejsce w STYCZNIU 2025 roku. Doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat temu.

Materiały

Uczestnicy podczas szkolenia dostaną skrypty szkoleniowe, notes oraz długopis.

C.D. Sposób realizacji warsztatu:

Uczestnicy korzystają z przygotowanych notebooków, danych, modeli i szablonów interfejsów. Samodzielnie modyfikują kod i testują wyniki. Kolejne moduły rozwijają jeden projekt dla salonu beauty, zakończony prototypem i kartą wdrożenia.

Konfigurują lekki model z wykorzystaniem transfer learning, testują monitoring zużycia wody lub energii na symulowanych odczytach IoT oraz programują algorytm porównujący dostawy pod kątem czasu, dystansu, paliwa, kosztu i emisji CO₂.

Każdy uruchamia prototyp interfejsu z wynikami AI i rekomendacjami dla salonu beauty oraz opracowuje kartę wdrożenia: cel środowiskowy, zadania, wskaźniki efektów i zasady ochrony danych. Ćwiczenia wykorzystują dane syntetyczne lub zanonimizowane.

Informacje dodatkowe

PODSTAWA ZWOLNIENIA Z VAT:

Podstawy prawne zwolnienia z vat : 1. Rozporządzenie Ministra Finansów z dn. 20.12.2013 r. paragraf 3 ust 1 pkt.14. Zwalnia się od podatku usługi kształcenia zawodowego lub przekwalifikowania zawodowego , finansowane w co najmniej 70 % ze środków publicznych oraz świadczenie usług i dostawę towarów ściśle z tymi usługami związane.

C.D. Sposób realizacji warsztatu:

Warsztat rozwija zielone umiejętności w ramach FESL 10.17 poprzez programowanie i przygotowanie do wdrożenia rozwiązań AI ograniczających zużycie zasobów, odpady i emisje w branży beauty.

Po szkoleniu

Kwalifikacja
Sprawdzenie efektów: test teoretyczny, analiza dowodów i deklaracji.
Podstawa wpisu do BUR: Certyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych
Prowadzisz to szkolenie?
Odbieraj zgłoszenia uczestników bezpośrednio i uzupełnij opis swojej oferty.
Przejmij profil

Numer usługi w BUR: 2026/10/21/174287/3895800 · Dane z Bazy Usług Rozwojowych

Podobne szkolenia

Informatyka i telekomunikacja · Programowanie

6150,00 zł
brutto za osobę