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

Program 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.

Prezentacja w formie PDF (przekazana najpóźniej w dniu rozpoczęcia szkolenia drogą e-mailową).

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!

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%