Zielony salon beauty z AI i Machine Learning: analiza danych, redukcja strat i zielone zarządzanie – szkolenie z kwalifikacjami

Moduł I: Algorytmy AI w optymalizacji zużycia energii, zasobów i odpadów w salonie beauty

1. Rozróżnianie algorytmów uczenia nadzorowanego i nienadzorowanego w analizie danych środowiskowych salonu.
2. Zastosowanie modeli predykcyjnych do ograniczania nadprodukcji, nadmiernych zakupów i strat produktów.
3. Wpływ zbiorów danych, zapytań i infrastruktury AI na zużycie energii oraz emisję CO₂.
4. Metody ograniczania śladu węglowego systemów AI: lżejsze modele, racjonalne przetwarzanie danych, redukcja zbędnych operacji.
5. Wprowadzenie do programistycznej pracy z AI: środowisko Google Colab, podstawy języka Python oraz rola bibliotek wykorzystywanych do analizy danych i tworzenia prostych modeli Machine Learning.

Narzędzia: m.in.ChatGPT, Google Gemini, Google Colab, Python.

Moduł II: Dane środowiskowe, modele prognostyczne i cykl życia produktów beauty

1. Klasyfikacja danych środowiskowych: energia, woda, produkty, odpady, dostawy i koszty.
2. Wskaźniki zrównoważonego rozwoju jako zmienne w modelach AI, np. zużycie produktu, odpady, CO₂.
3. Integracja danych środowiskowych w modelach prognostycznych wspierających decyzje zakupowe i organizacyjne.
4. Zastosowanie AI w analizie cyklu życia produktów beauty, GOZ, odpowiedzialnych zakupach i ograniczaniu marnowania zasobów.
5. Podstawowa integracja danych pochodzących z różnych źródeł, m.in. plików CSV i arkuszy Google Sheets, oraz przygotowanie ich do wykorzystania w modelach prognostycznych.
6. Wprowadzenie do importowania, porządkowania i łączenia danych w środowisku Google Colab z wykorzystaniem prostych poleceń Python.
7. Podstawy importu danych pochodzących z czujników i systemów IoT oraz ich integracji z danymi z plików CSV i arkuszy Google Sheets na potrzeby modeli prognostycznych.

Narzędzia: m.in. Google Colab, Python, Google Sheets, ChatGPT, Google Gemini, Microsoft Copilot, Teachable Machine.

Moduł III: Modele predykcyjne AI do ograniczania strat produktów i zużycia zasobów w salonie

1. Analiza danych salonu: zużycie produktów, liczba usług, zapasy, odpady, koszty i zasoby.
2. Dobór narzędzia lub algorytmu AI do prognozowania zapotrzebowania na produkty i materiały.
3. Opracowanie w środowisku Google Colab prostego modelu predykcyjnego Machine Learning wskazującego przewidywane zużycie produktu lub zasobu, z wykorzystaniem kodu Python.
4. Import danych, wybór zmiennych, podział danych na część treningową i testową oraz uruchomienie prostego modelu ML.
5. Walidacja wyniku modelu na danych testowych i ocena jego przydatności w decyzjach salonu.
6. Zastosowanie techniki transfer learning oraz konfiguracja lekkiego modelu ograniczającego zapotrzebowanie na zasoby obliczeniowe na przykładzie danych środowiskowych.
7. Ćwiczenie: uczestnik importuje dane do Google Colab, uruchamia i modyfikuje prosty kod Python, tworzy model prognozujący zużycie produktu lub zasobu oraz przygotowuje rekomendację ograniczającą straty.

Narzędzia: Google Colab, Python, pandas, scikit-learn, Google Sheets/CSV; wspomagająco ChatGPT, Microsoft Copilot, Google Gemini.

Moduł IV: Algorytmy optymalizacyjne AI w planowaniu dostaw, emisji i gospodarki odpadami

1. Określenie zmiennych do optymalizacji: czas, dystans, koszt, paliwo, emisja CO₂, odpady.
2. Porównanie wariantów dostaw, zamówień lub odbioru odpadów pod kątem kosztów i wpływu środowiskowego.
3. Import i podstawowa integracja danych dotyczących kosztów, dystansu, czasu, zużycia zasobów i emisji CO₂ w Google Colab.
4. Modyfikowanie prostego skryptu Python służącego do porównania wariantów i wyboru rozwiązania ograniczającego koszty lub wpływ środowiskowy.
5. Ćwiczenie:uczestnik opracowuje model optymalizacji dostaw lub odbioru odpadów, uruchamia i modyfikuje prosty kod Python w Google Colab oraz wskazuje najkorzystniejszy wariant.

Narzędzia: m.in. Google Colab, Python, pandas, Google Sheets/CSV; wspomagająco ChatGPT, Google Gemini.

Moduł V: Komunikowanie wyników analiz AI i przejrzystość decyzji środowiskowych w salonie

1. Objaśnianie wyników analiz AI prostym językiem dla właściciela, zespołu, klientek lub partnerów.
2. Argumentowanie rekomendacji proekologicznych na podstawie danych i wyników modelu.
3. Ocena wpływu rekomendacji AI na interesariuszy salonu: zespół, klientki, dostawców i właściciela.
4. Dokumentowanie źródeł danych, ograniczeń modelu, walidacji i decyzji wspieranych przez AI.
5. Przygotowanie prostego interfejsu prezentującego wyniki modelu i rekomendacje użytkownikowi w sposób umożliwiający wykorzystanie ich w podejmowaniu decyzji.
6. Ćwiczenie: uczestnik przygotowuje krótką prezentację wyników modelu i rekomendacji AI wraz z uzasadnieniem, wpływem środowiskowym oraz sposobem ich przedstawienia użytkownikowi końcowemu.

Narzędzia: m.in. Gamma.app, ChatGPT, Google Gemini

Moduł VI: Współpraca zespołowa, RODO i zarządzanie danymi w systemach AI salonu beauty

1. Określenie ról osób zaangażowanych we wdrożenie AI: właściciel, manager, zespół, dostawcy, specjaliści techniczni.
2. Planowanie współpracy zespołu z uwzględnieniem celów technicznych, ekologicznych i organizacyjnych.
3. Stosowanie zasad ochrony danych: minimalizacja, anonimizacja, ograniczenie dostępu, retencja i usuwanie danych.
4. Opis cyklu życia danych w systemie AI: pozyskanie, użycie, przechowywanie, aktualizacja, anonimizacja i usunięcie.
5. Ćwiczenie: uczestnik opracowuje procedurę bezpiecznego wykorzystania danych przy wdrożeniu AI w salonie beauty.

Narzędzia: m.in ChatGPT, Google Gemini, Microsoft Copilot, ManyChat

MODUŁ VII: WALIDACJA

Szkolenie zakończone jest egzaminem wewnętrznym 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 (AI) [G]

Efekty uczenia się opracowano zgodnie z wymaganiami walidacyjnymi ICVC dla kwalifikacji „SPECJALISTA DS. SZTUCZNEJ INTELIGENCJI (AI) [G]”

Walidacja uczestników jest niezależna od procesu szkoleniowego. Osoba prowadząca szkolenie nie bierze udziału w ocenie swoich kursantów w zakresie, którego nauczała. Końcową walidację przeprowadza niezależny egzaminator (podmiot zewnętrzny). Wynik przeprowadzonej walidacji jest ogłaszany od razu po zakończeniu szkolenia, czas oczekiwania na wydanie certyfikatu do 7 dni po zakończeniu walidacji. Czas oczekiwania na certyfikat jest wliczony w czas realizacji usługi.

Formalny egzamin przeprowadzany po zakończeniu szkolenia ma formę testu przygotowanego i ocenianego przez instytucję certyfikującą, a także analizy dowodów i deklaracji. Pozytywny wynik uprawnia do otrzymania certyfikatu potwierdzającego uzyskaną kwalifikację.

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

• test teoretyczny
  • analiza dowodów i deklaracji

Czas trwania szkolenia: 18 godzin, 15 minut ZEGAROWYCH

Szkolenie składa się z 4 GODZIN ZEGAROWYCH teoretycznych, 11 GODZIN ZEGAROWYCH PRAKTYCZNYCH, 2 godzin oraz 15 min przerw oraz 1 h WALIDACJI.

Podczas szkolenia, przewidziane są 4 przerwy 30 minutowe, jedna 15 minutowa oraz kilka mniejszych przerw, dostosowanych do tempa pracy grupy, oraz potrzeb uczestników i trenera.

Przerwy w usłudze są wliczone w czas usługi rozwojowej.

Uczestnik szkolenia ma możliwość merytorycznego kontaktu z trenerem również podczas przerw (w przypadku, gdyby uczestnik nie chciał skorzystać z danej przerwy).

Szkolenie odbywa się wg harmonogramu, z uwagi na różne tempo pracy kursantów, możliwe są nieznaczne przesunięcia.

Szkolenie skierowane jest do osób, które chcą rozwijać zielone umiejętności i kompetencje ekologiczne, co umożliwi im dostosowanie swoich umiejętności do zmian na rynku pracy wynikających z transformacji ekologicznej regionu.

Tematyka szkolenia „Zielony salon beauty z AI i Machine Learning: analiza danych, redukcja strat i zielone zarządzanie – szkolenie z kwalifikacjami” jest zgodna z definicją zielonych umiejętności zawartą w Regulaminie naboru do projektu FESL 10.17.

Szkolenie rozwija kompetencje zawodowe potrzebne do pracy w zielonej gospodarce, szczególnie w obszarze nowoczesnych technologii ukierunkowanych na niskoemisyjność, zasobooszczędność oraz zarządzanie środowiskowe w przedsiębiorstwach. Program koncentruje się na wykorzystaniu sztucznej inteligencji w zarządzaniu salonem beauty, w tym na analizie danych środowiskowych, ograniczaniu strat produktów, redukcji odpadów, optymalizacji zużycia energii, wody i materiałów oraz podejmowaniu decyzji opartych na danych.

Uczestnik szkolenia uczy się stosować algorytmy AI, modele predykcyjne i narzędzia analityczne do planowania zużycia zasobów, monitorowania wskaźników ekologicznych oraz oceny wpływu działań salonu na środowisko. Szkolenie obejmuje również wykorzystanie AI w gospodarce obiegu zamkniętego, analizie cyklu życia produktów beauty, planowaniu dostaw, ograniczaniu emisji CO₂ oraz zarządzaniu odpadami.

Nabyte umiejętności mogą być wykorzystane w codziennym funkcjonowaniu salonów beauty oraz innych mikro- i małych przedsiębiorstw usługowych, które chcą wdrażać rozwiązania proekologiczne, ograniczać koszty środowiskowe i tworzyć bardziej zrównoważone miejsca pracy. Program wspiera rozwój zielonych kompetencji poprzez połączenie wiedzy z zakresu sztucznej inteligencji, analizy danych, odpowiedzialnego zarządzania zasobami, ochrony danych oraz komunikowania decyzji proekologicznych zespołowi, klientkom i interesariuszom.

Zielone kompetencje i umiejętności rozwijane podczas szkolenia: Uczestnik rozwija umiejętności w zakresie stosowania AI do analizy danych środowiskowych, optymalizacji zużycia zasobów, ograniczania strat, odpadów i emisji CO₂ oraz wspierania gospodarki obiegu zamkniętego. Uczy się wykorzystywać modele predykcyjne, monitorować wskaźniki zrównoważonego rozwoju, bezpiecznie zarządzać danymi oraz formułować rekomendacje proekologiczne.

Uczestnicy podczas szkolenia dostaną skrypty szkoleniowe, notes oraz długopis.

Szkolenie przygotowuje do wdrażania rozwiązań zwiększających efektywność energetyczną i surowcową oraz wspierających odpowiedzialne zarządzanie środowiskowe w branży beauty.

WARUNKI ORGANIZACYJNE I OPIS CZĘŚCI PRAKTYCZNEJ:

Podział na grupy: Kursanci będą pracować pojedynczo, indywidualnie.

W części praktycznej uczestnicy wykorzystują środowisko Google Colab do uruchamiania i modyfikowania prostego kodu Python, importowania i integrowania danych oraz tworzenia i testowania prostego modelu Machine Learning. Narzędzia generatywnej AI, takie jak ChatGPT, Gemini i Copilot, wykorzystywane są wspomagająco.

Stanowiska pracy: Każdy uczestnik otrzyma indywidualne stanowisko pracy wyposażone w:

• stół,
• krzesło,
• komputer.

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.

Sposób realizacji warsztatu

Zajęcia będą prowadzone w formie praktycznych ćwiczeń, które kursanci będą wykonywać samodzielnie, zgodnie z instrukcjami trenera i w określonym przez trenera czasie, na komputerach.

WARUNKI TECHNICZNE:

SALA W PEŁNI WYPOSAŻONA W SPRZĘT KOMPUTEROWY, DOSTĘP DO WI-FI.

Samodzielne stanowiska pracy.