Warsztaty zastosowań sztucznej inteligencji cz.I

Prowadzący:

mgr. inż. Piotr Matys - inżynier AI z ponad 4-letnim doświadczeniem komercyjnym w branży technologicznej. Specjalizuje się w praktycznym wdrażaniu sztucznej inteligencji, ze szczególnym uwzględnieniem modeli wielkojęzykowych (LLM). Doświadczenie zdobywał, realizując zaawansowane projekty R&D, budując systemy RAG oraz projektując aplikacje oparte na modelach wizyjnych i językowych. Obecnie rozwija swoją karierę naukową jako doktorant w dyscyplinie sztucznej inteligencji na Politechnice Wrocławskiej , gdzie prowadzi badania nad rozpoznawaniem pisma ręcznego w dokumentach medyczno-urzędniczych dla języka polskiego oraz detekcją halucynacji w modelach LLM / VLM. Swoją wiedzą teoretyczną i bogatym doświadczeniem praktycznym chętnie dzieli się z innymi, mając na swoim koncie przeprowadzenie serii specjalistycznych szkoleń z zakresu AI.

Plan zajęć:

1. Czym jest Sztuczna Inteligencja? – Wprowadzenie do wielkich modeli językowych (LLM) oraz ich mechanizmów działania
2. Bezpieczeństwo i zagrożenia – Na co uważać podczas korzystania z narzędzi sztucznej inteligencji
3. Jak skutecznie rozmawiać ze sztuczną inteligencją? – Przegląd możliwości aplikacji oraz wprowadzenie do inżynierii promptów (prompt engineering)
4. Zaawansowane techniki prompt engineeringu – Metody strukturyzowania poleceń i precyzyjnego sterowania modelami
5. Dlaczego model zwraca niepoprawne odpowiedzi? – Wprowadzenie do zagadnienia halucynacji i ograniczeń sieci neuronowych
6. LLM jako silnik, aplikacja jako samochód – Zrozumienie odcięcia wiedzy modelu (knowledge cutoff) oraz wyszukiwania informacji w czasie rzeczywistym
7. Praca z dokumentami wykorzystując AI (Część I) – Analiza, podsumowywanie i ekstrakcja danych z plików tekstowych
8. Praca z dokumentami wykorzystując AI (Część II) – Walidacja odpowiedzi zwróconych przez model oraz wykorzystanie zaawansowanych narzędzi, takich jak Gemini Notebook
9. Jak generować obrazy za pomocą sztucznej inteligencji? – Przegląd modeli graficznych i tworzenie grafik od podstaw
10. Restaurowanie i poprawa jakości obrazu – Różnice między tradycyjnym retuszem a generatywnym odtwarzaniem detali
11. Czym jest Agent AI? – Wprowadzenie do nowoczesnych systemów autonomicznych na przykładzie narzędzia Claude Code
12. .Podsumowanie kursu i zdobytej wiedzy

Warsztaty zastosowań sztucznej inteligencji cz.II

Prowadzący: mgr. inż. Marcin Kutrzyński

1. Od maszyny liczącej do inteligentnego asystenta

Historia: historia AI w praktyce użytkownika

Teoria: Od Turinga → expert systems → deep learning → LLM Dlaczego LLM „rozumieją” język Co się zmieniło po 2017 (Transformers)

Praktyka: Porównanie odpowiedzi: prosty prompt vs. kontekstowy Pokaz „ewolucji jakości” odpowiedzi

2. Jak naprawdę działa ChatGPT?

Mechanizm: model, token, kontekst, halucynacje

Teoria: Tokenizacja Okno kontekstowe Temperature, sampling Dlaczego AI „zmyśla”

Praktyka: Sterowanie precyzją odpowiedzi Testy halucynacji

3. Prompt jako język techniczny

Prompt: od pytania do specyfikacji zadania

Teoria: Prompt ≠ pytanie Prompt = mini-specyfikacja Role / context / constraints / output

Praktyka: Budowa promptów typu: „systemowego” „eksperckiego” „audytowego”

4. Prompt Engineering – ciąg dalszy

Chain-of-Thought, ReAct, Few-Shot

Teoria: Jak modele „myślą” Wzorce promptów

Praktyka: Budowa promptów wieloetapowych Automatyczne rozumowanie

5. Jak nie dać się oszukać AI

Grounding, źródła, weryfikacja, odpowiedzialność

Teoria: Problem: „Brzmi mądrze” ≠ „Jest prawdziwe” Czym jest grounding? Poziomy grounding-u Odpowiedzialność użytkownika

Praktyka: Prawda czy pozór? Wymuszanie ostrożności modelu Granice groundingu

6. Zarządzanie wiedzą z AI

Notatki, archiwa, bazy prywatne

Teoria: RAG Indeksowanie Wektory

Praktyka: Tworzenie własnego „AI z dokumentów” Praca na PDF-ach

7. Krytyczne myślenie

Jak weryfikować AI systemowo

Teoria: Źródła błędów Bias Data leakage

Praktyka: Budowa promptów weryfikujących AI jako audytor AI

8. AI w pracy intelektualnej

Analiza, synteza, badania, raporty

Teoria: Jak AI przetwarza tekst Mapy pojęć Abstrakcja

Praktyka: Tworzenie raportu Metaanaliza Konspekt wykładu

9. Automatyzacja myślenia

Procedury, checklisty, workflow

Teoria: Procedural prompting Task decomposition

Praktyka: Budowa własnego „systemu decyzyjnego” AI jako menedżer zadań

10. Wprowadzenie do agentów AI

Od czatu do systemu wykonawczego

Teoria: Czym jest agent Planner / Executor / Memory

Praktyka: Symulacja agenta w ChatGPT Wieloetapowe zadania

11. Systemy multi-agentowe

Kiedy kilka AI współpracuje

Teoria: Podział ról Negocjacje Consensus

Praktyka: Tworzenie „zespołu ekspertów” Debata agentów

12. MCP i przyszłość interfejsów AI

AI jako system operacyjny wiedzy

Teoria: Model Context Protocol Integracje External tools

Praktyka: Praca z narzędziami Symulacja MCP w praktyce

13. Bezpieczeństwo, prywatność, etyka 2.0

Świadome korzystanie z AI

Teoria: Dane osobowe Modele komercyjne Retencja

Praktyka: Bezpieczne profile Anonimizacja promptów

14. Mój osobisty system AI

Budowa własnego „cyfrowego asystenta życia”

Teoria: Architektura osobista Długofalowe workflow

Praktyka: Każdy uczestnik buduje: swój system promptów swoich agentów swoje procedury