Szkolenie: Zrównoważona sztuczna inteligencja (Green AI) – projektowanie, optymalizacja i odpowiedzialne wdrażanie modeli)

- Termin
- 10-18.02.2027
- Miejsce
- Koziegłowy
- Zapisy do
- 08.02.2027
Czego się nauczysz
- Wyjaśnia wpływ uczenia maszynowego na środowisko
- Opisuje zasady zrównoważonego kodowania (Green Coding).
- Charakteryzuje standardy raportowania śladu węglowego IT.
- Definiuje pojęcie Digital Less Waste w zarządzaniu danymi AI.
- Analizuje zapotrzebowanie energetyczne procesów treningowych
- Analizuje efektywność energetyczną inferencji modeli
- Analizuje zasoby danych pod kątem ich wartości ekologicznej.
- Analizuje rzetelność raportów ESG dotyczących infrastruktury AI.
- Stosuje zasady odpowiedzialności za eko-ślad projektów AI.
- Utrzymuje standardy zrównoważonego zarządzania modelami.
- Zarządza zasobami obliczeniowymi dla optymalizacji energii
- Buduje kulturę "Sustainable AI" w środowisku inżynierskim
Dla kogo
Grupą docelową usługi są pracownicy biurowi i okołobiurowi wykorzystujący lub planujący wykorzystywać narzędzia sztucznej inteligencji w codziennej pracy, w szczególności osoby odpowiedzialne za analizę danych, przygotowywanie dokumentów, automatyzację procesów, obsługę klienta, zarządzanie projektami oraz wsparcie administracyjne. Program skierowany jest do osób chcących rozwijać kompetencje w zakresie efektywnego, odpowiedzialnego i zgodnego z zasadami zrównoważonego rozwoju korzystania z rozwiązań AI w środowisku pracy.
Program
16 hProgram szkolenia jest dostosowany do potrzeb uczestników usługi oraz głównego celu usługi i jej charakteru oraz obejmuje zakres tematyczny usługi. Uczestnik nie musi spełniać dodatkowych wymagań dot. poziomu zaawansowania.
Informacje organizacyjne:
Usługa prowadzona jest w godzinach zegarowych . Przerwy są wliczone w ogólny czas usługi rozwojowej.
Widełki przerw, uzależnione od długości zajęć:
- dzień szkoleniowy od 2 godzin do poniżej 4 godzin 30 minut – przerwa od 15 do 30 minut,
- dla dnia szkoleniowego trwającego od 4 godzin 30 minut – przerwa od 60 do 75 minut.
Harmonogram usługi może ulec nieznacznemu przesunięciu, ponieważ ilość przerw oraz długość ich trwania zostanie dostosowana indywidualnie do potrzeb uczestników szkolenia. Dostawca zapewnia elastyczność w mikro-zarządzaniu czasem przerw w trakcie realizacji ale jednocześnie utrzymuje zadeklarowany czas zajęć i nie przekracza łącznej długości przerw.
Informacja o zapleczu technicznym i organizacyjnym szkolenia
W ramach realizacji usługi szkoleniowej dostawca zapewnia pełne zaplecze techniczne niezbędne do prawidłowej realizacji procesu kształcenia. Każdy uczestnik na czas realizacji usługi otrzymuje laptop spełniający wymagania sprzętowe i programowe określone dla danej tematyki szkoleniowej.
Wszelkie licencje, oprogramowanie, narzędzia cyfrowe oraz środowiska szkoleniowe wykorzystywane podczas zajęć są zapewniane przez dostawcę usług i udostępniane uczestnikom na czas trwania szkolenia, bez konieczności ponoszenia dodatkowych kosztów przez uczestników lub podmiot delegujący.
Wielkości grup – nie dotyczy
Liczba i rodzaju stanowisk pracy – nie dotyczy
Usługa jest zgodna z definicją zielonych kompetencji i kwalifikacji, ponieważ obejmuje wykorzystanie nowoczesnych technologii cyfrowych ukierunkowanych na niskoemisyjność i zasobooszczędność.
Program koncentruje się na projektowaniu i optymalizacji systemów sztucznej inteligencji w sposób minimalizujący zużycie energii oraz ograniczający ślad środowiskowy. Uwzględnia również analizę danych środowiskowych oraz działania wspierające zrównoważony rozwój i gospodarkę o obiegu zamkniętym. Dzięki temu rozwija kompetencje niezbędne w zielonej transformacji gospodarki cyfrowej.
Program wspiera realizację Celów Zrównoważonego Rozwoju ONZ (United Nations – Sustainable Development Goals (SDG)), w szczególności w obszarach klimatu, odpowiedzialnej konsumpcji oraz innowacyjnej infrastruktury. Jednocześnie jest zgodny z klasyfikacją ESCO w zakresie kompetencji cyfrowych, analitycznych i środowiskowych. W efekcie przygotowuje do pracy w sektorze zielonej i cyfrowej transformacji gospodarki.
____________________________________________________________________________________________________________________
Informacje o programie szkolenia:
Program szkolenia stanowi spójny i zintegrowany zakres treści objęty jednolitym procesem walidacji prowadzącym do uzyskania kwalifikacji. Efekty uczenia się oraz kryteria weryfikacji pochodzą bezpośrednio od instytucji walidującej i certyfikującej, co zapewnia maksymalną zgodność z wymaganiami kwalifikacji, wysoką jakość procesu kształcenia oraz jego przejrzystość i wiarygodność w odniesieniu do obowiązujących standardów.
Program szkolenia:
DZIEŃ 1
Moduł 1. Wprowadzenie do Green AI oraz algorytmów uczenia maszynowego
– 2 godz. (2 teoria)
Moduł wprowadza uczestników w podstawy Green AI, czyli podejścia do projektowania systemów sztucznej inteligencji z uwzględnieniem ich wpływu na środowisko. Omawiane są również fundamenty uczenia maszynowego oraz jego główne typy. Uczestnicy poznają, jak AI może wspierać działania proekologiczne i optymalizację zasobów.
Zakres:
- wprowadzenie do koncepcji Green AI i jej znaczenia w nowoczesnych systemach technologicznych
- omówienie podstawowych typów algorytmów uczenia maszynowego
- rozróżnienie uczenia nadzorowanego i nienadzorowanego
- przedstawienie zastosowań ML w analizach środowiskowych
- przykłady wykorzystania AI do optymalizacji zasobów i redukcji odpadów
Moduł 2. Dane środowiskowe i ich wykorzystanie w modelach prognostycznych
– 1 godz. ( 0,5 teoria/ 0,5 praktyka)
Moduł skupia się na danych środowiskowych jako kluczowym elemencie modeli AI. Uczestnicy uczą się, jakie dane można wykorzystywać, jak je łączyć oraz jak przygotować je do analiz, w tym prognostycznych.
Zakres:
- charakterystyka danych środowiskowych wykorzystywanych w systemach AI
- omówienie danych sensorycznych, satelitarnych i stacjonarnych
- integracja różnych źródeł danych w modelach prognostycznych
- wykorzystanie wskaźników zrównoważonego rozwoju jako zmiennych modelowych
- dobór i przygotowanie danych do analiz środowiskowych
Moduł 3. Zużycie energii i ślad węglowy w systemach AI
– 1godz. (1 praktyka)
Moduł przedstawia wpływ systemów AI na środowisko, w szczególności zużycie energii i emisję CO₂. Uczestnicy poznają zależności między złożonością modeli a ich kosztem środowiskowym.
Zakres:
- analiza wpływu procesów uczenia modeli na zużycie energii
- zależność pomiędzy wielkością danych a zapotrzebowaniem obliczeniowym
- wpływ infrastruktury AI na emisję CO₂
- metody ograniczania śladu węglowego systemów AI
- strategie poprawy efektywności energetycznej modeli
Moduł 4. Modele predykcyjne wspierające zrównoważony rozwój
– 1godz. ( 0,5 teoria/ 0,5 praktyka)
Moduł dotyczy budowy modeli predykcyjnych wspierających działania proekologiczne i zrównoważony rozwój. Uczestnicy uczą się projektować modele uwzględniające dane środowiskowe.
Zakres:
- projektowanie modeli predykcyjnych z uwzględnieniem aspektów środowiskowych
- dobór zmiennych środowiskowych do funkcji celu
- budowa funkcji rankingowych i optymalizacyjnych
- wykorzystanie minimum trzech zmiennych środowiskowych w modelach
- zastosowanie modeli do ograniczania nadprodukcji i zużycia energii
Przerwa- 1 godzina
Moduł 5. Optymalizacja architektur modeli i redukcja kosztów obliczeniowych
– 2godz. ( 1 teoria/ 1 praktyka)
Moduł pokazuje, jak projektować i upraszczać modele AI, aby były bardziej energooszczędne, ale nadal skuteczne. Omawiane są techniki optymalizacji architektur.
Zakres:
- porównanie architektur modeli pod kątem efektywności energetycznej
- analiza kosztów obliczeniowych różnych rozwiązań AI
- techniki optymalizacji modeli (kompresja, pruning, distillation)
- zastosowanie transfer learning w redukcji kosztów trenowania
- dobór energooszczędnych rozwiązań przy zachowaniu jakości modeli
Dzień 2
Moduł 6. Analiza danych treningowych i ograniczanie nadprodukcji danych
– 2 godz. ( 2 praktyka)
Moduł koncentruje się na danych treningowych i ich wpływie na jakość oraz koszty modeli AI. Uczestnicy uczą się świadomego doboru danych.
Zakres:
- wpływ wielkości zbiorów danych na jakość i koszty modeli
- analiza kompromisu między dokładnością a zużyciem zasobów
- identyfikacja i eliminacja zbędnych danych
- metody selekcji i czyszczenia danych treningowych
- dokumentowanie decyzji dotyczących doboru danych
Moduł 7. AI w gospodarce o obiegu zamkniętym
– 1godz. (0,5 teoria/0,5 praktyka)
Moduł przedstawia zastosowanie AI w gospodarce o obiegu zamkniętym. Uczestnicy poznają, jak sztuczna inteligencja może wspierać cały cykl życia produktu.
Zakres:
- zasady gospodarki o obiegu zamkniętym (circular economy)
- etapy cyklu życia produktu i rola AI na każdym z nich
- wykorzystanie AI w projektowaniu, produkcji, użytkowaniu i recyklingu
- systemy rekomendacyjne wspierające odpowiedzialną konsumpcję
- wspieranie decyzji ekologicznych za pomocą modeli AI
Moduł 8. Monitoring, raportowanie i optymalizacja wpływu modeli AI
– 2godz. ( 1 teoria/ 1praktyka)
Moduł dotyczy oceny i monitorowania wpływu systemów AI na środowisko oraz sposobów jego raportowania. Uczestnicy uczą się mierzyć efektywność energetyczną modeli.
Zakres:
- metody monitorowania wpływu modeli AI na środowisko
- wskaźniki zużycia energii i emisji CO₂
- narzędzia do raportowania efektów działania modeli
- przygotowanie raportów środowiskowych
- formułowanie rekomendacji optymalizacyjnych
PRZERWA- 1 GODZINA
Moduł 9. Etyka, RODO, komunikacja i współpraca interdyscyplinarna
– 1godz. ( 1 teoria)
Moduł porusza kwestie etyczne i prawne związane z wykorzystaniem AI oraz współpracę zespołową w projektach technologicznych. Szczególny nacisk położony jest na ochronę danych.
Zakres:
- zasady ochrony danych osobowych w projektach AI (RODO)
- anonimizacja, retencja i bezpieczne usuwanie danych
- odpowiedzialne zarządzanie informacją w systemach AI
- komunikacja wyników dla różnych grup odbiorców
- współpraca interdyscyplinarna i wymiana wiedzy w zespołach
Walidacja- podmiot zewnętrzny (ICVC) (1 godzina)
Certyfikat: GCCS: Specjalista ds. sztucznej inteligencji GCCS-DIG-001EQF 6 ( z komponentem GREEN)
Metody walidacji: test teoretyczny - pisany synchronicznie, analiza dowodów i deklaracji na podstawie dostarczonej próbki pracy (w trakcie komponentu edukacyjnego)
Okres oczekiwania na wydanie wyniku przeprowadzonej walidacji: Czas oczekiwania na wydanie wyniku przeprowadzonej walidacji wynosi do 7 dni roboczych, licząc od kolejnego dnia roboczego po jej przeprowadzeniu.
Z uwagi na to, data zakończenia usługi została wydłużona.
Terminy i miejsca
Miejsce
Prowadzący
Materiały
Prezentacja w formie PDF (przekazana najpóźniej w dniu rozpoczęcia szkolenia drogą e-mailową).
Warunki uczestnictwa
Warunkiem zdobycia certyfikatu potwierdzającego zdobyte kwalifikacje jest pozytywny wynik Egzaminu certyfikującego.
Na egzamin uczestnik nie musi dokonywać osobnego zapisu oraz jego koszt jest wliczony w koszt usługi.
Minimalny poziom frekwencji uczestnika na usłudze rozwojowej wynosi 80%.
Uczestnicy przyjmują do wiadomości, że usługa może być poddana monitoringowi z ramienia Operatora lub PARP i wyrażają na to zgodę.
Uczestnik ma obowiązek zapisania się na usługę przez BUR co najmniej w dniu zakończenia rekrutacji.
Organizator zapewnia dostępność osobom ze szczególnymi potrzebami podczas realizacji usług rozwojowych zgodnie z Ustawą z dnia 19 lipca2019 r. o zapewnianiu dostępności osobom ze szczególnymi potrzebami (Dz.U. 2022 poz. 2240) oraz „Standardami dostępności dla polityki spójności 2021-2027”.
W przypadku potrzeby zapewnienia specjalnych udogodnień prosimy o kontakt przed zapisem na usługę!
Informacje dodatkowe
Podstawa zwolnienia z VAT:
§ 3 ust. 1 pkt. 14 Rozporządzenia Ministra Finansów z dnia 20 grudnia 2013 r. w sprawie zwolnień od podatku od towarów i usług oraz warunków stosowania tych zwolnień - w przypadku dofinansowania w co najmniej 70%
Po szkoleniu
Numer usługi w BUR: 2026/09/15/22948/3811915 · Dane z Bazy Usług Rozwojowych
Podobne szkolenia
Informatyka i telekomunikacja · Aplikacje biznesowe