Szkolenie: AI w pracy dydaktycznej i naukowej
Szkolenie AI w pracy dydaktycznej i naukowej uczy praktycznego wykorzystania narzędzi sztucznej inteligencji w edukacji i badaniach, obejmuje automatyzację procesów, analizę danych, tworzenie materiałów oraz aspekty etyczne i prawne
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:2 dni (16h)
Kod kursu:AI/DYD
Dostępne terminy szkolenia
Termin:
Trener:
Cena:
2450 PLN netto
Lokalizacja:
ZdalneTermin:
Trener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneTermin:
Trener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneTermin:
Trener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneAI w pracy dydaktycznej i naukowej
Cele szkolenia
Szkolenie przygotowuje do samodzielnego wykorzystywania narzędzi AI w pracy dydaktycznej i naukowej, w tym automatyzacji przygotowania materiałów, analizy danych oraz wsparcia procesu badawczego
Szkolenie uczy identyfikowania ograniczeń, ryzyk oraz wyzwań związanych z wdrażaniem AI w edukacji i nauce, w tym zagadnień etycznych i prawnych
Szkolenie pokazuje, jak stosować AI do tworzenia publikacji, streszczeń, analiz literatury oraz opracowywania wniosków grantowych
Szkolenie omawia dobre praktyki oraz pułapki związane z wykorzystaniem AI, przygotowując do odpowiedzialnego i świadomego wdrażania nowych technologii w środowisku akademickim
Dla kogo?
Wykładowcy i nauczyciele akademiccy zainteresowani wdrażaniem AI w procesie dydaktycznym i badawczym
Pracownicy instytucji naukowych i badawczych realizujący projekty wymagające analizy danych lub automatyzacji zadań
Koordynatorzy projektów grantowych i dydaktycznych poszukujący nowoczesnych rozwiązań wspierających organizację pracy
Osoby z podstawową znajomością obsługi komputera, chcące rozwijać kompetencje w zakresie wykorzystania AI w edukacji i nauce
Efekty kształcenia
Uczestnik analizuje i wdraża narzędzia AI w procesie dydaktycznym i naukowym
Uczestnik projektuje materiały edukacyjne i naukowe z wykorzystaniem AI
Uczestnik ocenia ryzyka i aspekty etyczne związane z użyciem AI
Uczestnik organizuje pracę badawczą i dydaktyczną z pomocą AI
Uczestnik rozpoznaje i reaguje na błędy oraz ograniczenia modeli AI
Uczestnik stosuje AI do automatyzacji analizy danych i syntezy informacji
Wymagania
Podstawowa umiejętność obsługi komputera i przeglądarki internetowej
Dostęp do Internetu
Ogólna orientacja w procesie dydaktycznym lub badawczym
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Wprowadzenie do AI w badaniach naukowych
Czym jest AI i jak wspiera badania naukowe?
Możliwości i ograniczenia narzędzi AI
Przegląd wybranych narzędzi: ChatGPT, Consensus, Grantable
Zastosowanie AI w procesie researchu
Automatyczna analiza tekstu i wyodrębnianie kluczowych informacji
Wsparcie w pisaniu publikacji i streszczeń naukowych
Wyszukiwanie i synteza literatury naukowej
Organizacja pracy dydaktycznej i naukowej z wykorzystaniem AI
Tworzenie scenariuszy zajęć, sylabusów, quizów i materiałów dydaktycznych
Wspomaganie planowania semestru i generowania kart pracy
Automatyczne tworzenie slajdów, testów i handoutów
AI w analizie danych naukowych
Wykorzystanie AI w metodach analizy danych i uczenia maszynowego
Inteligentna praca z Excelem i narzędziami analitycznymi
Dobór metod statystycznych z pomocą AI
Symulacje komputerowe wspierane przez AI
Etyka AI w badaniach naukowych
Czy AI może być współautorem publikacji?
Bezpieczeństwo danych badawczych – co można, a czego nie można wrzucać do narzędzi AI?
Kwestie praw autorskich i licencji dotyczących wyników generowanych przez AI
Etyka AI w pracy dydaktycznej
Prawa autorskie i licencje materiałów
Studenckie plagiaty i detektory AI
Kiedy AI nie powinna być używana
Rola nauczyciela jako kuratora i weryfikatora
Dobre praktyki i pułapki — studia przypadków
Case 1: Halucynacje modeli AI
Case 2: Maskowanie i anonimizacja danych
Case 3: Wykorzystanie AI przez studentów – jak reagować i jak edukować?
Autorem szkolenia jest Andrzej Tomski
dr Andrzej Tomski jest doświadczonym wykładowcą i analitykiem danych z wykorzystaniem nowoczesnych metod uczenia maszynowego. Napisał blisko 30 prac naukowych publikowanych w czasopismach międzynarodowych oraz pracował wiele lat w firmach z sektora data science. Dane teledetekcyjne i geoprzestrzenne analizował w ramach grantów naukowych oraz analiz zleconych przez klientów biznesowych. Pasjonuje go wykorzystanie języków skryptowych w takich celach oraz wykorzystanie generatywnej sztucznej inteligencji.
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
