Kurs przygotowuje do pracy na stanowiskach takich jak inżynier sztucznej inteligencji, inżynier uczenia maszynowego lub inżynier deep learningu. Ma na celu zbobycie wiedzy na temat działania algorytmów uczenia maszynowgo, profesjonalnej implementacji systemów opartych na sztucznej inteligencji oraz wdrażaniu ich do rozwiązań produkcyjnych.
Trenerzy praktycy
Kameralne grupy
9900 PLN+23% VAT (12 177,00 PLN brutto / 1 os.)
Czas trwania szkolenia:28 dni (224h)
Poziom zaawansowania:
Kod kursu:KURS/AI&ML-Engineer
Dostępne terminy szkolenia
Termin
Trener
Cena
Lokalizacja
Zapis
Nowe terminy szkolenia już wkrótce! Śledź naszą stronę, aby być na bieżąco.
Szkolenie nauczy Cię budować wysokiej jakości systemy oparte na sztucznej inteligencji oraz profesjonalnie projektować rozwiązania AI gotowe do wykorzystania w środowisku produkcyjnym
Szkolenie przygotuje Cię do profesjonalnego programowania w Pythonie zgodnie z najlepszymi praktykami inżynierii oprogramowania oraz standardami wykorzystywanymi w projektach AI i Machine Learning
Szkolenie pozwoli Ci zdobyć kompetencje w rozwijaniu zaawansowanych projektów wykorzystujących uczenie maszynowe, modele predykcyjne oraz algorytmy sztucznej inteligencji
Szkolenie umożliwi Ci opanowanie technologii i narzędzi MLOps pozwalających na produkcyjne wdrażanie, monitorowanie i utrzymywanie rozwiązań AI
Szkolenie nauczy Cię stosować w praktyce algorytmy uczenia maszynowego, nowoczesne sieci neuronowe, modele deep learning oraz technologie wykorzystywane w NLP i computer vision
Szkolenie rozwinie Twoje zaawansowane metody inżynierskie i nauczy profesjonalnego wytwarzania kodu, testowania oraz budowania skalowalnych systemów sztucznej inteligencji
Dla kogo?
Programiści, którzy chcą zmienić obszar pracy na AI
Data scientist, którzy chcą rozwinąć swoje kompetencje inżynierskie i rozwijać się w kierunku inżnierii AI i MLOps
Studenci informatyki, którzy chcą rozpocząć karierę w obszarze AI
Efekty kształcenia
Uczestnik wdraża zaawansowane rozwiązania AI i Machine Learning, wykorzystując profesjonalne podejście inżynierskie oraz najlepsze praktyki tworzenia systemów sztucznej inteligencji
Uczestnik programuje w Pythonie na poziomie zaawansowanym, stosując wzorce projektowe, testowanie oraz standardy wykorzystywane w produkcyjnych projektach AI
Uczestnik rozwija projekty wykorzystujące uczenie maszynowe, algorytmy predykcyjne, modele deep learning oraz narzędzia wspierające pracę inżyniera AI
Uczestnik wdraża modele AI do środowisk produkcyjnych z wykorzystaniem technologii MLOps, Docker, Kubernetes oraz CI/CD
Uczestnik implementuje algorytmy uczenia maszynowego i nowoczesne sieci neuronowe, wykorzystując biblioteki takie jak scikit-learn oraz PyTorch
Uczestnik tworzy profesjonalny kod dla systemów AI, wykorzystując zaawansowane techniki programistyczne, architekturę aplikacji oraz dobre praktyki inżynierii oprogramowania
Wymagania
Roczne, praktyczne doświadczenie w programowaniu w jakimkolwiek "klasycznym" języku (Python, C++, C#, Java, PHP, R)
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Definiowanie Continuous Deployment - budowa obrazu, wdrożenie na produkcje
Zarządzanie środowiskami dev/prod
Dobre praktyki we wdrażaniu potoków CICD dla modeli uczenia maszynowego
Autorem szkolenia jest Norbert Ryciak
Data Scientist w SigDelta. Od lat zajmuje się uczeniem maszynowym, a specjalizuje się w obszarze przetwarzania języka naturalnego i sztucznych sieciach neuronowych (deep learning. W 2015 roku ukończył z wyróżnieniem matematykę na Politechnice Warszawskiej o specjalizacji Statystyka Matematyczna i Analiza Danych. Kontynuował rozwój na doktoracie, w ramach którego prowadził badania nad metodami głębokiego uczenia w zastosowaniach związanych z przetwarzaniem tekstów - rozpoznawaniem wydźwięku i analizą…
Autorem szkolenia jest Marcin Rybiński
Machine Learning Engineer w Brainly. Zajmuje się rozwijaniem, wdrażaniem, monitorowaniem i utrzymywaniem algorytmów uczenia maszynowego do różnych zastosowań w branży edutech. Specjalizuje i rozwija się w zagadnieniach MLOps, związanych z wdrażaniem oraz utrzymywaniem rozwiązań opartych o sztuczną inteligencję.
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
Prowadzacy robił świętną robotę w przedstawianiu nam zawiłości React Natie
5.08.2026
Artur Kozłowski, Capgemini Polska Sp. z o.o.
Ani razu nie przysnąłem, prowadzący świetnie dawkował sekcje teoretyczne z zadaniami praktycznymi. Każde dodatkowe pytanie było dokładnie wytłumaczone.
5.08.2026
Olga Lachowska, Capgemini Polska Sp. z o.o.
Bardzo dużo warsztatow, niesamowicie doświadczony i pomocny proawdzący
29.07.2026
Uczestnik szkolenia “AI-Driven Development — warsztaty z Claude Code dla developerów”
Przemysław Śmietana
bardzo duża wiedza prowadzącego, i teoretyczna. i praktyczna. Ciekawy i praktyczny sposób jej przekazywania. Osobiście miałem problem z tak długą formą wykładu.
27.07.2026
Maksym Lypchak, Capgemini Polska Sp. z o.o.
to szkolenie nie jest dla osob ktore tylko zaczynaja swoja przygode ze Spring lub BE. najlepiej miec juz jakies doswiadczenie przed zapisaniem sie na kurs - chociaz w capgemini training calendarzu bylo napisane ze tez jest entry-level i w opisie szkolenia nie bylo punktow zwiazanych z wymaganiami na te szkolenia (java +1 rok doszwiadczenia)).
24.07.2026
Uczestnik szkolenia “Docker w praktyce”
Juliusz Drygalski, Capgemini Polska Sp. z o.o.
Bo było. Bardzo dużo przekazanej wiedzy i dobrze wszystko wytłumaczone. Prowadzący topka
24.07.2026
Uczestnik szkolenia “Architektura systemowa i integracja systemów”
Michał Michalczuk
Ogólnie bardzo dobre, ale bardzo skondensowane i intesywne - zabrakło czasu na więcej praktyki
