Szkolenie: Projektowanie, budowa i wdrażanie autonomicznych agentów AI w celu optymalizacji procesów biznesowych i osiągania celów zrównoważonego rozwoju.
Szkolenie: Projektowanie, budowa i wdrażanie autonomicznych agentów AI w celu optymalizacji procesów biznesowych i osiągania celów zrównoważonego rozwoju.
Informacje podstawowe
Informacje podstawowe
- KategoriaEkologia i rolnictwo / Ochrona środowiska
- Grupa docelowa usługi
Osoby dorosłe (w tym pracownicy i kadra zarządzająca), posiadające już podstawową wiedzę z zakresu sztucznej inteligencji i programowania, chcące poszerzyć swoje kompetencje w tworzeniu i implementacji autonomicznych agentów AI w kontekście zrównoważonego rozwoju.
- Minimalna liczba uczestników2
- Maksymalna liczba uczestników25
- Data zakończenia rekrutacji14-01-2027
- Forma prowadzenia usługistacjonarna
- Podstawa uzyskania wpisu do BURCertyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych
Cel
Cel
Cel edukacyjny
Usługa przygotowuje uczestnika do samodzielnego projektowania i wdrażania autonomicznych agentów AI wspierających konkretne procesy zielonej transformacji przedsiębiorstwa, w szczególności monitorowanie i optymalizację zużycia energii, wody i surowców, identyfikowanie źródeł powstawania odpadów, wspieranie segregacji i ponownego wykorzystania materiałów oraz ograniczanie emisji i śladu środowiskowego procesów.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Uczestnik identyfikuje możliwości wykorzystania autonomicznych agentów AI do monitorowania i ograniczania zużycia zasobów w przedsiębiorstwie. | identyfikuje co najmniej trzy rodzaje danych środowiskowych możliwych do wykorzystania przez agenta AI, w tym dane dotyczące zużycia energii, materiałów, wody lub ilości powstających odpadów | Test teoretyczny |
| przyporządkowuje dane środowiskowe do procesu biznesowego, w którym mogą zostać wykorzystane do identyfikowania nieefektywności zasobowej | Test teoretyczny | |
| wskazuje co najmniej dwa obszary procesu biznesowego, w których zastosowanie agenta AI może prowadzić do ograniczenia zużycia zasobów | Test teoretyczny | |
| rozróżnia monitorowanie danych środowiskowych od automatycznej analizy danych i generowania rekomendacji optymalizacyjnych przez agenta AI | Test teoretyczny | |
| Projektuje logikę działania autonomicznego agenta AI wspierającego efektywność energetyczną i surowcową procesu. | określa dane wejściowe niezbędne do monitorowania wybranego parametru środowiskowego | Obserwacja w warunkach symulowanych |
| definiuje parametr lub wskaźnik wykorzystywany do oceny efektywności zasobowej procesu | Obserwacja w warunkach symulowanych | |
| określa warunek uruchomienia działania agenta po wykryciu przekroczenia przyjętego poziomu zużycia zasobu | Obserwacja w warunkach symulowanych | |
| projektuje sekwencję działania agenta obejmującą pobranie danych, ich analizę, identyfikację odchylenia oraz wygenerowanie rekomendacji | Obserwacja w warunkach symulowanych | |
| uzasadnia wybór sposobu działania agenta w odniesieniu do ograniczenia zużycia zasobów lub powstawania odpadów | Obserwacja w warunkach symulowanych | |
| uzasadnia wybór sposobu działania agenta w odniesieniu do ograniczenia zużycia zasobów lub powstawania odpadów | konfiguruje źródło danych wykorzystywane przez agenta | Obserwacja w warunkach rzeczywistych |
| przypisuje agentowi zadanie analizy wybranego parametru środowiskowego | Obserwacja w warunkach rzeczywistych | |
| ustawia warunek identyfikowania przekroczenia przyjętego poziomu zużycia zasobu | Obserwacja w warunkach rzeczywistych | |
| konfiguruje sposób prezentowania wyniku analizy | Obserwacja w warunkach rzeczywistych | |
| uruchamia agenta i interpretuje wygenerowany wynik | Obserwacja w warunkach rzeczywistych | |
| Wykorzystuje agenta AI do identyfikowania możliwości ograniczenia emisji i śladu środowiskowego procesu biznesowego | analizuje dane dotyczące zużycia energii lub materiałów | Obserwacja w warunkach rzeczywistych |
| identyfikuje co najmniej jedno odchylenie wskazujące na nieefektywne wykorzystanie zasobu | Obserwacja w warunkach rzeczywistych | |
| wskazuje przyczynę lub obszar procesu odpowiedzialny za zidentyfikowaną nieefektywność | Obserwacja w warunkach rzeczywistych | |
| formułuje co najmniej dwa działania optymalizacyjne ograniczające zużycie analizowanego zasobu | Obserwacja w warunkach rzeczywistych | |
| określa parametr, który powinien być monitorowany po wdrożeniu działania optymalizacyjnego | Obserwacja w warunkach rzeczywistych | |
| Wykorzystuje agenta AI do monitorowania powstawania odpadów i wskazywania możliwości ograniczenia ich ilości | identyfikuje dane umożliwiające monitorowanie ilości lub źródeł powstawania odpadów w analizowanym procesie | Obserwacja w warunkach rzeczywistych |
| konfiguruje regułę identyfikowania zwiększonego poziomu powstawania odpadów | Obserwacja w warunkach rzeczywistych | |
| wskazuje etap procesu generujący największą ilość odpadów na podstawie dostarczonych danych | Obserwacja w warunkach rzeczywistych | |
| formułuje co najmniej dwa działania ograniczające powstawanie odpadów | Obserwacja w warunkach rzeczywistych | |
| wskazuje możliwość ponownego wykorzystania lub odzysku wybranego materiału, jeżeli jest ona uzasadniona charakterem procesu | Obserwacja w warunkach rzeczywistych | |
| Analizuje wyniki działania agenta AI pod kątem efektywności energetycznej i materiałowej procesu. | interpretuje wynik analizy danych środowiskowych wygenerowany przez agenta | Analiza dowodów i deklaracji |
| porównuje wartości zużycia zasobu przed i po zastosowaniu rozwiązania optymalizacyjnego | Analiza dowodów i deklaracji | |
| identyfikuje zmianę poziomu zużycia analizowanego zasobu | Analiza dowodów i deklaracji | |
| określa możliwość dalszej redukcji zużycia na podstawie wyników analizy | Analiza dowodów i deklaracji | |
| formułuje wniosek dotyczący wpływu zastosowanego rozwiązania na efektywność zasobową procesu | Analiza dowodów i deklaracji | |
| Wdraża rozwiązanie wykorzystujące agenta AI do wspierania zarządzania środowiskowego w procesie biznesowym. | dobiera źródła danych odpowiednie do monitorowania wybranego procesu środowiskowego | Obserwacja w warunkach rzeczywistych |
| konfiguruje agenta zgodnie z określonym celem środowiskowym | Obserwacja w warunkach rzeczywistych | |
| uruchamia agenta na przygotowanym zbiorze danych | Obserwacja w warunkach rzeczywistych | |
| weryfikuje poprawność działania agenta na co najmniej dwóch scenariuszach danych | Obserwacja w warunkach rzeczywistych | |
| przedstawia wynik działania agenta oraz rekomendację dotyczącą ograniczenia zużycia zasobów lub ilości odpadów | Obserwacja w warunkach rzeczywistych | |
| Dobiera rozwiązania technologiczne AI odpowiednie do realizacji celów zielonej transformacji przedsiębiorstwa. | przyporządkowuje zastosowanie agenta AI do co najmniej jednego obszaru zielonej transformacji: efektywności energetycznej, efektywności materiałowej, gospodarki odpadami lub zarządzania środowiskowego | Wywiad ustrukturyzowany |
| uzasadnia wybór technologii AI w odniesieniu do określonego problemu środowiskowego | Wywiad ustrukturyzowany | |
| porównuje co najmniej dwa warianty rozwiązania pod kątem potencjalnego wpływu na zużycie zasobów | Wywiad ustrukturyzowany | |
| wskazuje ograniczenia zastosowania AI w analizowanym procesie środowiskowym | Wywiad ustrukturyzowany | |
| Komunikuje wyniki analizy środowiskowej uzyskanej z wykorzystaniem agenta AI. | przedstawia wyniki analizy danych środowiskowych w sposób zrozumiały dla odbiorcy biznesowego | Obserwacja w warunkach symulowanych |
| wyjaśnia zależność pomiędzy zidentyfikowaną nieefektywnością a zużyciem zasobów | Obserwacja w warunkach symulowanych | |
| przedstawia co najmniej dwa działania ograniczające negatywny wpływ analizowanego procesu na środowisko | Obserwacja w warunkach symulowanych | |
| odpowiada na pytania dotyczące sposobu wykorzystania danych i działania agenta AI | Obserwacja w warunkach symulowanych | |
| Efektywnie komunikuje się w zespole stosując zaawansowane techniki komunikacji interpersonalnej | aktywnie słucha członków zespołu | Obserwacja w warunkach symulowanych |
| formułuje jasne i precyzyjne komunikaty dotyczące realizowanego zadania | Obserwacja w warunkach symulowanych |
Kwalifikacje i kompetencje
Kwalifikacje i kompetencje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęDevelobud Sp z o.o.
- Nazwa Podmiotu certyfikującegoFundacja My Personality Skills
Program
Program
Powiązanie z Regionalną Strategią Innowacji (RIS):
Inteligentna Specjalizacja: Zielona gospodarka
• gospodarowanie zasobami;
• efektywność energetyczna i materiałowa;
• ograniczanie odpadów;
• technologie wspomagające zarządzanie środowiskiem;
• środowiskowe technologie informacyjne.
Inteligentna Specjalizacja: Technologie informacyjne i komunikacyjne (ICT)
• technologie sztucznej inteligencji i uczenia maszynowego.
Powiązanie z Programem Rozwoju Technologii (PRT):
• 3.6 – Technologie zarządzania środowiskiem – główne powiązanie;
• 4.2 – Technologie informacyjne – główne/uzupełniające powiązanie;
• 3.3 – Technologie gospodarowania odpadami – powiązanie uzupełniające;
• 4.7 – Technologie ICT wspierające Przemysł 4.0 – powiązanie w zakresie analityki danych procesowych, automatyzacji monitoringu i wykorzystania agentów AI.
Bezpośrednie powiązanie usługi z PRT i RSI
• W ramach usługi agenci AI nie są wykorzystywani do ogólnej automatyzacji procesów biznesowych, marketingu ani obsługi klienta. Stanowią środowiskowe technologie informacyjne wykorzystywane do gromadzenia, przetwarzania, analizowania i monitorowania danych związanych z oddziaływaniem procesów przedsiębiorstwa na środowisko.
• Projektowane podczas szkolenia rozwiązania odnoszą się bezpośrednio do zużycia energii, materiałów i wody, powstawania odpadów oraz efektywności zasobowej. Uczestnicy uczą się projektowania agentów AI realizujących konkretne zadania z zakresu zarządzania środowiskowego oraz określania mierzalnych rezultatów ich zastosowania.
• W rezultacie usługa łączy technologie AI z praktycznymi zadaniami zawodowymi właściwymi dla zielonej gospodarki i zarządzania środowiskowego.
Program
Moduł I. Technologie informacyjne w zarządzaniu środowiskowym
• rola technologii informacyjnych w zarządzaniu środowiskowym przedsiębiorstwa;
• środowiskowe technologie informacyjne – zastosowania w monitorowaniu i analizie danych;
• źródła danych środowiskowych w przedsiębiorstwie;
• dane dotyczące zużycia energii, wody i materiałów;
• dane dotyczące emisji i powstawania odpadów;
• wskaźniki efektywności energetycznej i materiałowej;
• identyfikowanie procesów o wysokim zużyciu zasobów;
• cyfrowy monitoring procesów środowiskowych.
Moduł II. AI jako technologia wspierająca zarządzanie środowiskiem
• architektura autonomicznych agentów AI;
• agenci reaktywni, celowi i zadaniowi;
• pobieranie i przetwarzanie danych środowiskowych;
• wykorzystanie AI do analizy danych środowiskowych;
• wykrywanie odchyleń i nieefektywności zasobowej;
• automatyczne generowanie rekomendacji środowiskowych;
• reguły decyzyjne agentów;
• automatyzacja monitoringu środowiskowego.
Moduł III. Projektowanie agenta AI do monitorowania zużycia energii
• identyfikacja parametrów energetycznych procesu;
• definiowanie danych wejściowych;
• określanie wartości referencyjnych i progów zużycia;
• projektowanie logiki wykrywania przekroczeń;
• projektowanie reakcji agenta na przekroczenie parametrów;
• automatyczne generowanie komunikatów i rekomendacji;
• testowanie agenta na przykładowych danych energetycznych.
Moduł IV. Agent AI do optymalizacji zużycia materiałów i surowców
• identyfikacja materiałochłonnych etapów procesu;
• analiza zużycia materiałów;
• identyfikacja strat materiałowych;
• projektowanie reguł optymalizacji zużycia;
• wykorzystanie danych historycznych do wykrywania nieefektywności;
• generowanie rekomendacji ograniczenia zużycia materiałów;
• porównywanie efektywności procesu przed i po zastosowaniu rozwiązania AI.
Moduł V. AI w gospodarce odpadami i gospodarce o obiegu zamkniętym
• identyfikacja źródeł powstawania odpadów;
• cyfrowe monitorowanie ilości i rodzaju odpadów;
• klasyfikacja danych dotyczących odpadów;
• wykrywanie wzrostu ilości odpadów;
• projektowanie reguł alarmowych;
• wykorzystanie AI do identyfikowania możliwości ograniczenia odpadów;
• identyfikowanie możliwości ponownego wykorzystania materiałów;
• wspieranie procesów segregacji i odzysku danych o odpadach.
Moduł VI. Projektowanie i budowa autonomicznego agenta AI
• określenie problemu środowiskowego;
• określenie celu agenta;
• wybór danych wejściowych;
• projektowanie przepływu danych;
• definiowanie narzędzi i funkcji agenta;
• projektowanie warunków decyzyjnych;
• budowa prototypu agenta;
• konfiguracja agenta do analizy danych środowiskowych;
• testowanie działania na danych przykładowych.
Moduł VII. Analiza efektów środowiskowych rozwiązania AI
• pomiar zużycia zasobów przed wdrożeniem rozwiązania;
• pomiar zużycia zasobów po zastosowaniu rozwiązania;
• porównywanie danych;
• identyfikowanie redukcji zużycia;
• identyfikowanie obszarów dalszej poprawy;
• analiza wpływu automatyzacji na efektywność energetyczną i materiałową;
• przygotowanie raportu z działania agenta;
• formułowanie rekomendacji dalszej optymalizacji.
Moduł VIII. Wdrożenie rozwiązania AI w przedsiębiorstwie
• identyfikacja procesu przeznaczonego do optymalizacji;
• dobór źródeł danych;
• integracja agenta z procesem;
• testowanie rozwiązania;
• walidacja wyników;
• identyfikowanie ryzyka błędnych rekomendacji;
• monitorowanie działania agenta po wdrożeniu;
• określanie wskaźników efektywności środowiskowej.
Moduł IX. Projekt praktyczny
Uczestnik samodzielnie przygotowuje rozwiązanie wykorzystujące autonomicznego agenta AI do monitorowania i optymalizacji wybranego parametru środowiskowego.
Projekt obejmuje:
• wybór procesu biznesowego;
• identyfikację problemu środowiskowego;
• wybór danych wejściowych;
• określenie wskaźnika środowiskowego;
• zaprojektowanie logiki działania agenta;
• konfigurację agenta;
• przeprowadzenie testu na danych;
• identyfikację nieefektywności;
• przygotowanie rekomendacji optymalizacyjnej;
• ocenę potencjalnego wpływu rozwiązania na zużycie zasobów lub powstawanie odpadów;
• przedstawienie wyników.
Walidacja
Walidacja efektów uczenia się odbędzie się w formie stacjonarnej w sali szkoleniowej po zakończeniu modułów dydaktycznych. Proces sprawdzający zostanie zrealizowany z wykorzystaniem następujących metod:
• Test teoretyczny – test pisemny z pytaniami zamkniętymi jednokrotnego wyboru, sprawdzający wiedzę dotyczącą danych środowiskowych oraz możliwości wykorzystania autonomicznych agentów AI do monitorowania i ograniczania zużycia zasobów w przedsiębiorstwie. Warunkiem uzyskania wyniku pozytywnego jest udzielenie co najmniej 30% poprawnych odpowiedzi.
• Obserwacja w warunkach symulowanych – ocena wykonywania zadań polegających na projektowaniu logiki działania agenta AI, określaniu danych wejściowych, wskaźników i warunków uruchomienia jego działania. Ocenie podlegać będą również prezentowanie wyników analizy środowiskowej, wyjaśnianie proponowanych działań optymalizacyjnych oraz komunikacja w zespole, w tym aktywne słuchanie i formułowanie jasnych komunikatów.
• Obserwacja w warunkach rzeczywistych – ocena samodzielnej pracy uczestnika podczas konfiguracji i uruchamiania agenta AI w wykorzystywanym środowisku informatycznym. Walidator oceni dobór i konfigurację źródeł danych, ustawienie reguł działania, analizowanie zużycia zasobów i powstawania odpadów, identyfikowanie nieefektywności oraz formułowanie działań optymalizacyjnych. Ocenie podlegać będzie także sprawdzenie poprawności działania agenta na co najmniej dwóch scenariuszach danych i przedstawienie wyników wraz z rekomendacjami.
• Analiza dowodów i deklaracji – ocena przygotowanych przez uczestnika wyników analizy, zestawień danych i wniosków dotyczących działania agenta AI. Walidator zweryfikuje poprawność interpretacji wyników, porównania zużycia zasobów przed i po zastosowaniu rozwiązania optymalizacyjnego, wskazania zmian w zużyciu oraz określenia możliwości dalszej poprawy efektywności energetycznej i materiałowej procesu.
• Wywiad ustrukturyzowany – rozmowa prowadzona według przygotowanego zestawu pytań, sprawdzająca umiejętność doboru rozwiązań AI do celów zielonej transformacji przedsiębiorstwa. Ocenie podlegać będą uzasadnienie wyboru technologii, porównanie co najmniej dwóch wariantów rozwiązania pod kątem wpływu na zużycie zasobów oraz wskazanie ograniczeń zastosowania AI w analizowanym procesie środowiskowym.
Walidacja zostanie przeprowadzona przez niezależnego walidatora zewnętrznego. Wynik walidacji będzie znany w dniu jej przeprowadzenia, tj. w ostatnim dniu usługi. Po uzyskaniu pozytywnego wyniku walidacji certyfikat zostanie wydany w ostatnim dniu szkolenia.
Każdy uczestnik powinien posiadać podstawową umiejętność obsługi komputera.
Organizator szkolenia dostarcza sprzęt komputerowy w liczbie 1szt/os. oraz licencje niezbędne do przeprowadzenia szkolenia.
Usługa obejmuje 15 godzin zegarowych w tym przerwy oraz walidacja.
Czasy trwania usługi:
- zajęcia teoretyczne: 6 godzin i 45 minut wraz z przerwami,
- zajęcia praktyczne: 8 godzin i 15 minut wraz z walidacją.
Uczestnicy w trakcie każdego dnia szkoleniowego trwającego więcej niż 4 godziny mają prawo do co najmniej 1 przerwy, trwającej co najmniej 15 minut. Przerwy wliczają się w czas trwania usługi. Przerwy ustalane będą z uczestnikami.
Po zakończeniu udziału w usłudze rozwojowej, uczestnik otrzymuje odpowiednie zaświadczenie o jej ukończeniu. Warunkiem uzyskania zaświadczenia jest uczestnictwo w co najmniej 80% zajęć usługi rozwojowej oraz zaliczenie zajęć w formie testu.
Warunki organizacyjne: Realizacja zadań i ćwiczeń będzie przeprowadzona w taki sposób, aby stopniowo narastał ich stopień trudności, ale ich realizacja była w zasięgu możliwości uczestników.
Egzamin pozwoli uczestnikom na uzyskanie certyfikatu potwierdzającego kwalifikacje w zakresie: "Specjalista ds. budowy agentów AI z elementami zrównoważonego rozwoju."
Harmonogram
Harmonogram
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 18 Moduł I. Technologie informacyjne w zarządzaniu środowiskowym | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 10:00 | Liczba godzin 01:00 |
Przedmiot / temat 2 z 18 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 10:00 | Godzina zakończenia 10:15 | Liczba godzin 00:15 |
Przedmiot / temat 3 z 18 Moduł II. AI jako technologia wspierająca zarządzanie środowiskiem | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 10:15 | Godzina zakończenia 11:15 | Liczba godzin 01:00 |
Przedmiot / temat 4 z 18 Moduł III. Projektowanie agenta AI do monitorowania zużycia energii | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 11:15 | Godzina zakończenia 12:30 | Liczba godzin 01:15 |
Przedmiot / temat 5 z 18 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:00 | Liczba godzin 00:30 |
Przedmiot / temat 6 z 18 Moduł IV. Agent AI do optymalizacji zużycia materiałów i surowców | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 14:15 | Liczba godzin 01:15 |
Przedmiot / temat 7 z 18 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 14:15 | Godzina zakończenia 14:30 | Liczba godzin 00:15 |
Przedmiot / temat 8 z 18 Moduł V. AI w gospodarce odpadami i gospodarce o obiegu zamkniętym | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 14:30 | Godzina zakończenia 15:45 | Liczba godzin 01:15 |
Przedmiot / temat 9 z 18 Moduł VI. Projektowanie i budowa autonomicznego agenta AI – część I | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 15-01-2027 | Godzina rozpoczęcia 15:45 | Godzina zakończenia 16:45 | Liczba godzin 01:00 |
Przedmiot / temat 10 z 18 Moduł VI. Projektowanie i budowa autonomicznego agenta AI – część II | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 09:30 | Liczba godzin 00:30 |
Przedmiot / temat 11 z 18 Moduł VII. Analiza efektów środowiskowych rozwiązania AI | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 10:30 | Liczba godzin 01:00 |
Przedmiot / temat 12 z 18 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 10:30 | Godzina zakończenia 10:45 | Liczba godzin 00:15 |
Przedmiot / temat 13 z 18 Moduł VIII. Wdrożenie rozwiązania AI w przedsiębiorstwie | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 10:45 | Godzina zakończenia 11:45 | Liczba godzin 01:00 |
Przedmiot / temat 14 z 18 Moduł IX. Projekt praktyczny – część I | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 11:45 | Godzina zakończenia 13:00 | Liczba godzin 01:15 |
Przedmiot / temat 15 z 18 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 13:30 | Liczba godzin 00:30 |
Przedmiot / temat 16 z 18 Moduł IX. Projekt praktyczny – część II | Typ aktywności Zajęcia | Prowadzący Damian Przydacz | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 14:30 | Liczba godzin 01:00 |
Przedmiot / temat 17 z 18 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 14:30 | Godzina zakończenia 14:45 | Liczba godzin 00:15 |
Przedmiot / temat 18 z 18 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 16-01-2027 | Godzina rozpoczęcia 14:45 | Godzina zakończenia 16:15 | Liczba godzin 01:30 |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 15:00 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 11:30 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 01:30 |
Rodzaj godzin w tym suma przerw | Liczba godzin 02:00 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 17:15 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 6 457,50 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 5 250,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 430,50 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 350,00 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 184,50 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 150,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 184,50 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 150,00 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 15:00 |
Prowadzący
Prowadzący
Damian Przydacz
Jego wieloletnia praktyka biznesowa opiera się na wykorzystaniu sztucznej inteligencji (AI) i automatyzacji do optymalizacji procesów operacyjnych. W ramach swojej działalności doradczej i menedżerskiej uczy firmy, jak skutecznie wdrażać standardy paperless (biuro bez papieru), optymalizować zużycie energii i surowców oraz minimalizować ślad węglowy organizacji, co bezpośrednio wspiera założenia gospodarki o obiegu zamkniętym (GOZ). Buduje przewagę konkurencyjną klientów w oparciu o odpowiedzialny, zrównoważony biznes i strategie zielonego ładu. Jako certyfikowany coach ICF i mówca biznesowy regularnie występuje na konferencjach (do 2000 uczestników), promując zielone technologie i storytelling biznesowy. Wysokie kwalifikacje trenera potwierdzają certyfikacje z lat 2023–2024: Master Class Speakers Academy – Brian Tracy International oraz Akademia Trenerów Mentalnych.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Uczestnikom zostaną przekazane materiały dydaktyczne w postaci prezentacji PowerPoint wysłanej na adres mailowy,ankiety oraz testy
Na czas szkolenia dostawca usługi zapewnia sprzęt komputerowy.
Warunki uczestnictwa
Osoby pełnoletnie zamieszkałe i pracujące na terenie całej Polski.
Informacje dodatkowe
Dla wszystkich uczestników usługi rozwojowej, którzy otrzymają dofinansowanie na poziome co najmniej 70% zostanie wystawiona faktura zwolniona z VAT na podstawie § 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 (tekst jednolity Dz.U. z 2020r., poz. 1983)
Organizator zapewnia dostępność osobom ze szczególnymi potrzebami podczas realizacji usług rozwojowych zgodnie z Ustawą z dnia 19 lipca 2019 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 pod numerem 606 383 797 lub mailem na dsiuda@kancelaria-ads.pl przed zapisem na usługę!
Adres
Adres
Udogodnienia w miejscu realizacji usługi
- Klimatyzacja
- Wi-fi