Programowanie aplikacji mobilnych - szkolenie wraz z egzaminem

- Termin
- 08-10.03.2027
- Miejsce
- Rzeszów
- Zapisy do
- 07.03.2027
Czego się nauczysz
- Rozróżnia podejścia do personalizacji modeli rekomendacji w aplikacjach mobilnych
- Wyjaśnia różnice między on-device inference a cloud inference w aplikacjach
- Klasyfikuje techniki optymalizacji modeli uczenia maszynowego do wdrażania
- Charakteryzuje komponenty architektury model enkoder-dekoder dla generowania tekstu
- Implementuje mechanizmy federacyjnego uczenia maszynowego w aplikacjach mobilnych
- Wdraża modele rozpoznawania mowy działające bez dostępu do internetu
- Diagnozuje i rozwiązuje problemy dryfu konceptualnego w modelach produkcyjnych
- Tworzy funkcjonalności generowania opisów do zdjęć w aplikacjach mobilnych
- Komunikuje złożone koncepcje uczenia maszynowego w zrozumiały dla zespołu sposób
- Współpracuje efektywnie w zespole nad projektami aplikacji inteligentnych
- Ocenia jakość wykonanej pracy i proponuje ulepszenia w procesie wdrażania
- Przywiązuje wagę do bezpieczeństwa i prywatności danych użytkowników aplikacji
Dla kogo
Grupę docelową stanowią osoby pełnoletnie o zróżnicowanym poziomie doświadczenia, które chcą zdobyć lub usystematyzować wiedzę oraz potwierdzić kwalifikacje w obszarze tworzenia inteligentnych aplikacji mobilnych z wykorzystaniem uczenia maszynowego (Edge AI).
W szczególności są to:
- Przedsiębiorcy – osoby rozwijające produkty cyfrowe, dążące do wdrożenia funkcji AI działających offline, redukcji kosztów chmury oraz zapewnienia bezpieczeństwa i prywatności danych użytkowników.
- Osoby początkujące i przebranżawiające się – wchodzące do branży IT, poszukujące perspektywicznej ścieżki rozwoju i praktycznych umiejętności wdrażania modeli ML na urządzenia mobilne od podstaw.
- Praktycy i programiści – deweloperzy aplikacji mobilnych (Android/iOS), specjaliści chcący poszerzyć warsztat o optymalizację i kwantyzację modeli, uczenie federacyjne oraz monitorowanie dryfu modeli na produkcji.
Program
17 h- On-Device vs. Cloud Inference
- Porównanie paradygmatów: opóźnienia (latency), koszty infrastruktury, tryb offline, przepustowość łącza.
- Ochrona prywatności i zgodność z regulacjami (RODO, data residency) przy przetwarzaniu lokalnym.
- Techniki optymalizacji i konwersji modeli pod urządzenia mobilne
- Narzędzia wykonawcze: wprowadzenie do formatów Lite/Edge (np. TensorFlow Lite, ONNX Runtime Mobile, Core ML, ExecuTorch).
- Techniki redukcji rozmiaru i przyspieszania: kwantyzacja (post-training quantization, QAT), pruning (przycinanie wag), destylacja wiedzy (knowledge distillation).
- Profilowanie zużycia zasobów: pamięć RAM, obciążenie CPU/GPU/NPU oraz wpływ na drenowanie baterii.
- Systemy rekomendacji w środowisku mobilnym
- Podejścia do personalizacji: Collaborative Filtering, Content-Based, podejścia hybrydowe.
- Personalizacja on-device (wykorzystanie lokalnego kontekstu użytkownika i danych z sensorów) vs. rekomendacje scentralizowane.
- Implementacja Federated Learning w aplikacji mobilnej
- Architektura FL: koordynator (serwer agregujący) a węzły klienckie (urządzenia mobilne).
- Algorytm Federated Averaging (FedAvg).
- Implementacja mechanizmu lokalnego dotrenowywania modelu na urządzeniu bez wysyłania surowych danych użytkownika na serwer.
- Bezpieczeństwo i prywatność: Differential Privacy (prywatność różniczkowa) oraz Secure Aggregation.
5. Lokalne rozpoznawanie mowy (Offline Speech-to-Text / ASR)
- Architektury modeli ASR zoptymalizowanych pod kątem urządzeń brzegowych (np. warianty Whisper Mobile, Vosk, Sherpa-ONNX).
- Wdrożenie potoku ASR działającego całkowicie w trybie offline w aplikacji mobilnej.
- Zarządzanie buforowaniem strumienia audio i optymalizacja opóźnień w czasie rzeczywistym.
6. Architektury enkoder-dekoder i modele generatywne
- Zasada działania modułów enkodera i dekodera (mechanizmy atencji, transformer blocks).
- Specyfika uruchamiania generatywnych modeli językowych/tekstowych w środowiskach o ograniczonych zasobach pamięciowych.
7. Budowa modułu generowania opisów do zdjęć (Vision-Language)
- Architektura łączona: enkoder wizyjny (Vision Transformer / CNN) + dekoder językowy.
- Wdrożenie potoku inferencji: pobranie obrazu z kamery/galerii wstępne przetworzenie lokalna inferencja generowanie naturalnego opisu tekstowego.
- Obsługa błędów, walidacja wygenerowanych treści i optymalizacja responsywności UI podczas inferencji.
8. Monitoring i zwalczanie dryfu danych i konceptu (Data & Concept Drift)
- Różnice między dryfem danych (covariate shift) a dryfem konceptualnym (concept drift) w aplikacjach mobilnych.
- Metody detekcji degradacji jakości modelu na produkcji w warunkach ograniczonego dostępu do etykiet zwrotnych.
- Strategie rozwiązywania problemu: retrening, adaptacja domenowa, dynamiczne przełączanie wersji modeli (A/B testing on-device).
9. Komunikacja techniczna i kultura inżynierska w zespołach AI
- Tłumaczenie metryk uczenia maszynowego (Accuracy, F1, Latency, Perplexity) na wskaźniki biznesowe i UX zrozumiałe dla programistów, testerów i product managerów.
- Standaryzacja procesów CI/CD dla modeli w cyklu życia aplikacji mobilnej.
- Peer review procedur wdrożeniowych i kryteria akceptacji modeli produkcyjnych.
10.Powtórzenie wiadomości
11.Walidacja (test teoretyczny, analiza dowodów i deklaracji)
Ze względu na tematykę szkolenia oraz założone cele zajęcia będą miały charakter warsztatowy (aktywizujący), prowadzone będą w formie wykładów, ćwiczeń, treningów oraz poprzez symulacje, ćwiczenia indywidualne i grupowe, burzę mózgów z wykorzystaniem nowoczesnych metod w dużym stopniu nastawionych na ćwiczenia, aktywność uczestników.
Sala szkoleniowa spełnia normy BHP i P.POŻ., co zapewnia komfort i bezpieczeństwo podczas zajęć.
Poziom wiedzy kursantów zostanie zbadany na początku szkolenia, poprzez przeprowadzenie pre-testu, natomiast przyrost wiedzy po odbyciu kursu zweryfikowany zostanie na postawie post-testu.
Każdy uczestnik dostanie możliwość oceny szkolenia, zakresu tematycznego, trenera, wyczerpanego zakresu tematycznego poprzez wypełnienie anonimowej ankiety.
Szkolenie przeprowadzone zostanie w wymiarze 17 godzin zegarowych.
Usługa obejmuje 6 godzin zajęć praktycznych, 7 godzin zajęć teoretycznych oraz 1 godz. 30 min. walidacji i 2 godz. 30 min. przerw
Walidacja zostanie przeprowadzona w oparciu o zdefiniowane w efektach uczenia się kryteria weryfikacji i zgodnie z zaplanowanymi metodami walidacji (test teoretyczny, analiza dowodów i deklaracji) z zachowaniem rozdzielności procesów kształcenia i szkolenia od walidacji. W przypadku pozytywnego wyniku egzaminu, Uczestnik otrzymuje certyfikat oraz zaświadczenie o ukończeniu szkolenia.
Terminy i miejsca
Miejsce
Prowadzący
Materiały
Materiały szkoleniowe (teczkę, notes, długopis) zapewnia wykonawca usługi.
Warunki uczestnictwa
Szkolenie skierowane jest do osób pełnoletnich (powyżej 18 r.ż.)
Uczestnik zobowiązany jest do wzięcia udziału w usłudze w wymiarze nie mniejszym niż 80% obecności, oraz przystąpić do procesu walidacji. Wymagany poziom frekwencji gwarantuje odpowiednie opanowanie materiału i rzetelne przygotowanie uczestnika do końcowego egzaminu.
Po szkoleniu
Numer usługi w BUR: 2026/11/02/226693/3920328 · Dane z Bazy Usług Rozwojowych
Podobne szkolenia
Informatyka i telekomunikacja · Programowanie