Sztuczna inteligencja w biznesie (tryb blended learning) (edycja 1)

Semestr zimowy 2026/2027, letni 2026/2027

Cele i charakterystyka studiów

Celem studiów podyplomowych „Sztuczna inteligencja w biznesie" jest przygotowanie teoretyczne i praktyczne do pełnienia roli specjalisty z zakresu wykorzystania sztucznej inteligencji we wspomaganiu procesów biznesowych.

Studia umożliwią nabycie przez słuchaczy wiedzy, umiejętności i kompetencji z zakresu modeli, metod i narzędzi sztucznej inteligencji, w szczególności maszynowego i głębokiego uczenia oraz generatywnej sztucznej inteligencji, które mogą być wykorzystane w celu usprawnienia działalności organizacji gospodarczych w różnych obszarach.

Absolwenci studiów będą potrafili samodzielnie przeprowadzić analizę potrzeb i możliwości w zakresie wykorzystania sztucznej inteligencji w różnych obszarach zarządzania organizacją, przeprowadzić analizę zbiorów danych, opracować modele maszynowego uczenia, w tym głębokiego uczenia, takie jak drzewa decyzyjne, maszyny wektorów nośnych, las losowy, głębokie sieci neuronowe. Dodatkowo absolwenci będą potrafili wykorzystać narzędzia generatywnej sztucznej inteligencji, przetwarzania języka naturalnego oraz przetwarzania obrazów we wspomaganiu procesów biznesowych.

Program studiów obejmuje następujące zagadnienia:

1. Wprowadzenie do sztucznej inteligencji

• Wprowadzenie, uczenie się i wnioskowanie • Metody reprezentacji wiedzy • Podstawowe klasy metod i systemów sztucznej inteligencji • Metody hybrydowe i wnioskowanie przez analogię • Generatywna sztuczna inteligencja • Wyjaśnialność i interpretowalność sztucznej inteligencji • Duże modele językowe • Ogólna sztuczna inteligencji i superinteligencja • Wielomodalna sztuczna inteligencja • „Małe” modele językowe • Personalizacja modeli sztucznej inteligencji • Istota inteligentnych agentów • Autonomiczne pojazdy oraz autonomiczne przedsiębiorstwa • Kolektywna inteligencja obliczeniowa • Opracowanie sztucznego mózgu • Korzyści, wyzwania, ograniczenia, przykłady zastosowania

2. Metody analizy danych w technologiach sztucznej inteligencji

• Inżynieria i przygotowanie danych (Data Preprocessing), w tym czyszczenie danych: usuwanie duplikatów, radzenie sobie z brakującymi wartościami (imputacja) oraz wykrywanie anomalii (outliers); transformacja danych: normalizacja, standaryzacja oraz kodowanie zmiennych kategorycznych; redukcja wymiarowości: techniki zmniejszania liczby cech, takie jak PCA (Analiza Składowych Głównych) czy t-SNE; inżynieria cech (Feature Engineering) - tworzenie nowych zmiennych zwiększających efektywność modeli AI • Eksploracyjna analiza danych (EDA), w tym statystyka opisowa, wizualizacja danych, analiza korelacji (badanie zależności między zmiennymi, współczynniki Pearsona, Spearmana)

3. Zastosowanie uczenia maszynowego we wspomaganiu procesów biznesowych

• Istota i rodzaje uczenia maszynowego (metody uczenia nadzorowanego i nienadzorowanego) • Praktyczne przykłady wykorzystania metod uczenia maszynowego we wspomaganiu procesów biznesowych, takich, jak: Zarządzanie relacjami z klientami, sprzedaż, marketing, logistyka, zarządzanie łańcuchem dostaw, produkcja dóbr i świadczenie usług, finanse i księgowość, controlling, zarządzanie ryzykiem, zarządzanie zasobami ludzkimi

4. Modele głębokich sieci neuronowych

• Istota głębokiego uczenia • Rodzaje sieci neuronowych i przykłady ich wykorzystania w biznesie (Wielowarstwowy perceptron, Rekurencyjne sieci neuronowe, Konwolucyjne sieci neuronowe, Transformery itp.)

5. Przetwarzanie języka naturalnego

• Wstępne przetwarzanie tekstu (Text Preprocessing) • Lingwistyka komputerowa i analiza struktur • Reprezentacja tekstu (Text Representation) • Klasyczne zadania i modele NLP • Głębokie uczenie w NLP • Duże Modele Językowe (LLMs) i NLP Nowej Generacji • Praktyczne przykłady zastosowań w biznesie

6. Przetwarzanie obrazów w biznesie

• Podstawowe metody przetwarzania i przygotowania obrazu • Podstawy Computer Vision • Praktyczne przykłady zastosowań w handlu, przemyśle, finansach, logistyce

7. Generatywna sztuczna inteligencja

• Podstawy generatywnej sztucznej inteligencji i klasyczne modele generatywne • Generowanie tekstu i Duże Modele Językowe • Generowanie obrazów i wideo • Generowanie dźwięku • Zaawansowana inżynieria i praca z modelami, w tym: Prompt Engineering, API, RAG (Retrieval-Augmented Generation), opracowanie agentów AI, wieloagentowość, dostrajanie i optymalizacja modeli, wykrywanie halucynacji i stronniczości

8. Narzędzia budowy modeli sztucznej inteligencji

• Interaktywne środowiska deweloperskie (Jupyter Notebook, Google Colab) • Konteneryzacja i izolacja środowisk • Systemy kontroli wersji dla danych • Narzędzia do przetwarzania danych i inżynierii cech (takie, jak: Pandas, NumPy, PySpark) • Automatyzacja potoków danych (Pipelines) • Biblioteki i frameworki do trenowania modeli (takie, jak: Scikit-Learn, XGBoost, LightGBM, CatBoost, PyTorch, TensorFlow, Keras) • Optymalizacja i eksperymentowanie (narzędzia, takie, jak: Auto-Sklearn, TPOT, H2O.ai, Optuna, Ray Tune, MLflow, Weights & Biases (W&B), Neptune.ai) • Narzędzia wdrożeniowe i operacjonalizacja MLOps • Platformy chmurowe sztucznej inteligencji

9. Bezpieczeństwo systemów sztucznej inteligencji

• Podstawy bezpieczeństwa systemów sztucznej inteligencji • Ataki na etapie trenowania (zatruwanie danych, ataki typu Backdoor/Trojan) • Ataki na etapie operacyjnym (Przykłady wrogie, metody generowania ataków, ataki typu White-box vs Black-box) • Ataki na prywatność i własność intelektualną • Bezpieczeństwo Dużych Modeli Językowych • Metody zabezpieczania systemów sztucznej inteligencji (trenowanie odporne, obrona przez detekcję i oczyszczanie, prywatność różnicowa, uczenie federacyjne) • Standardy i aspekty prawne

10. Case study wykorzystania sztucznej inteligencji we wspomaganiu wybranych procesów biznesowych

• Na podstawie wiedzy pozyskanej w ramach wcześniejszych przedmiotów przeprowadzone zostanie case study (w zespołach projektowych) polegające na opracowaniu systemu sztucznej inteligencji wspomagającego wybrane procesy biznesowe. Wykorzystane zostaną dane rzeczywiste. Przeprowadzone zostanie projektowanie systemu, analiza i przetwarzanie danych, budowa modelu/metody/narzędzia sztucznej inteligencji, uczenie i testowanie z uwzględnieniem aspektów bezpieczeństwa. Wykorzystane zostaną odpowiednie do problemu narzędzia budowy modeli sztucznej inteligencji

Adresaci

Studia podyplomowe „Sztuczna inteligencja w biznesie" kierowane są do osób, które chcą zapoznać się z możliwościami zastosowania sztucznej inteligencji we wspomaganiu procesów biznesowych, nabyć umiejętności budowy modeli oraz potrafić je wykorzystywać w działalności biznesowej. Osoby, które chciałyby podjąć studia, powinny posiadać podstawowe umiejętności pracy w aplikacjach komputerowych.

Studia kierowane są do osób, które chciałyby zdobyć lub poszerzyć swoją wiedzę i umiejętności w zakresie wykorzystania sztucznej inteligencji w procesach biznesowych. Są one skierowane zarówno do osób zawodowo zajmującymi się pracą w różnych językach programowania, jak i tych, którzy dopiero zaczynają swoją działalność w tym obszarze lub planują przekwalifikowanie.

Treść studiów została tak przygotowana, aby uczestnikami mogły być zarówno osoby już stosujące wybrane metody sztucznej inteligencji i które chcą swoją wiedzę i umiejętności potwierdzić, czy uzupełnić, jak i osoby, które jeszcze nie stosowały tych metod i chciałyby nabyć takie umiejętności.

Czas trwania i liczba godzin

2 semestry, 160 godz.

Program studiów

Pobierz program studiów do wydruku

Lp.	Nazwa przedmiotu	Liczba godzin
1.	Wprowadzenie do sztucznej inteligencji	8
2.	Metody analizy danych w technologiach sztucznej inteligencji	16
3.	Zastosowanie uczenia maszynowego we wspomaganiu procesów biznesowych	16
4.	Modele głębokich sieci neuronowych	16
5.	Przetwarzanie języka naturalnego	16
6.	Przetwarzanie obrazów w biznesie	16
7.	Generatywna sztuczna inteligencja	16
8.	Narzędzia budowy modeli sztucznej inteligencji	24
9.	Bezpieczeństwo systemów sztucznej inteligencji	8
10.	Case study wykorzystania sztucznej inteligencji we wspomaganiu wybranych procesów biznesowych	24
	RAZEM	160

Warunki i sposób zaliczenia studiów

Warunkiem uzyskania świadectwa ukończenia studiów jest:

• obecność na zajęciach (min 80%)
• otrzymanie zaliczeń ze wszystkich przedmiotów (na warunkach określonych przez prowadzących zajęcia)
• uzyskanie pozytywnej oceny z projektu/pracy końcowej (w zespole)
• uregulowanie wszystkich należnych opłat za studia

Egzamin końcowy ma formę ustną i odbywa się w trybie stacjonarnym. Forma egzaminu może ulec zmianie. O ostatecznej formie zaliczenia decyduje kierownik studiów podyplomowych.

---

Organizacja studiów

• zajęcia są prowadzone w formule blended learning - częściowo zdalnie (do 40%), częściowo na Uczelni (bez streamingu z zajęć stacjonarnych); uczestnik przed zjazdem dostaje informację, w jakiej formie odbędą się zajęcia
• studia w trybie zaocznym weekendowym
• liczba zjazdów: 10
• zajęcia odbywają się mniej więcej co dwa-trzy tygodnie
• język: polski

W ramach studiów na tym kierunku oferujemy:

• indywidualne konto na platformie Microsoft 365 (a w nim m.in.: pakiet Office, Teams, Forms, OneDrive)
• materiały dydaktyczne
• dostęp do zasobów biblioteki UEW
• możliwość konsultacji z prowadzącymi zajęcia
• możliwość konsultacji projektów w ramach zajęć

Kierownik studiów podyplomowych przed rozpoczęciem zajęć przesyła szczegółowe informacje organizacyjne oraz harmonogram. Świadectwo ukończenia studiów podyplomowych jest wydawane w języku polskim, wraz z odpisem w języku angielskim.

---

Kadra dydaktyczna

Zajęcia będą prowadzone przez doświadczonych pracowników naukowo-dydaktycznych Uniwersytetu Ekonomicznego we Wrocławiu oraz praktyków wyspecjalizowanych w zakresie budowy i wykorzystania modeli sztucznej inteligencji we wspomaganiu procesów w różnych branżach.

Kierownictwo i opieka naukowa

Kierownik

dr inż. Ewa Walaszczyk
Katedra Zarządzania Procesami
tel. 602 497 782
e-mail: ewa.walaszczyk@ue.wroc.pl
pok. 412, bud. H

Opiekun naukowy

dr hab. inż. Marcin Hernes, prof. UEW
Katedra Zarządzania Procesami
e-mail: marcin.hernes@ue.wroc.pl
pok. 314, bud. H

Cena

9900 PLN

Istnieje możliwość rozłożenia opłaty na raty:
2 - dla os. indywidualnych, os. prowadzących działalność gospodarczą, firm i instytucji
4 - wyłącznie dla os. indywidualnych
6 - wyłącznie dla os. indywidualnych

W tym celu prosimy o wiadomość mailową do koordynatora studiów z informacją o wybranej ilości rat.

Ważne! Opłata za studia powinna zostać dokonana dopiero po otrzymaniu od kierownika studiów informacji o zebraniu się grupy i uruchomieniu kierunku. Numer konta do wpłat będzie widoczny po zalogowaniu na indywidualny profil słuchacza. W tytule prosimy wpisać imię, nazwisko i kierunek studiów.

Nie pobieramy opłaty wpisowej.
Faktury VAT są wystawiane na życzenie i przesyłane mailowo zgodnie z zasadami umieszczonymi na stronie: https://www.podyplomowe.ue.wroc.pl/145,faktury.html

Kontakt i zapisy

▶ Koordynator CKU
Aleksandra Wyrzucka
tel: 71 36 80 452
e-mail: aleksandra.wyrzucka@ue.wroc.pl

---

Rekrutacja na studia rozpoczyna się od wypełnienia formularza dostępnego na dole strony pod przyciskiem: ZAPISZ SIĘ NA STUDIA.
Aby wygenerować niezbędne dokumenty, kandydat powinien założyć w naszym systemie indywidualne konto. W zakładce Rekrutacja i dokumenty znajduje się krótka instrukcja dotycząca tego procesu.

Prosimy o dostarczenie kompletu dokumentów rekrutacyjnych najpóźniej w ostatnim dniu rekrutacji. Można to zrobić:

• osobiście lub przez osobę trzecią w biurze studiów podyplomowych CKU
• umieszczając dokumenty w skrzynce korespondencyjnej znajdującej się w budynku CKU
• przesyłając je pocztą na adres do korespondencji.

Szczegółowe informacje na ten temat znajdują się w zakładce Kontakt.

W przypadku pytań dotyczących kwestii merytorycznych oraz dostępu do zespołów i zajęć w aplikacji MS TEAMS prosimy o kontakt z kierownikiem studiów.

---

Terminy

Termin zakończenia rekrutacji: 2026-09-20

Wymagane dokumenty

• podanie o przyjęcie na studia — wygenerowane z systemu
• formularz zgłoszeniowy (załącznik 1) — wygenerowany z systemu
• oświadczenie o pokryciu kosztów (w zależności od wybranego finansowania załącznik 2 lub 3) — wygenerowane z systemu
• dyplom ukończenia studiów wyższych — kserokopia dyplomu ukończenia studiów wyższych (licencjat, inżynier, magister, mgr inż.) oraz oryginał lub odpis dyplomu do wglądu. W przypadku wysyłki dokumentów pocztą prosimy o załączenie odpisu lub oryginału dyplomu do dokumentów (zwrot oryginału ze świadectwem ukończenia studiów podyplomowych)
• dyplom zagraniczny — prosimy o wcześniejsze zweryfikowanie, czy dyplom uprawnia do podjęcia studiów podyplomowych w Polsce. Szczegóły pod linkiem: https://nawa.gov.pl/uznawalnosc/wydawanie-informacji-o-zagranicznych-dyplomach. Prosimy o załączenie potwierdzenia do dokumentów rekrutacyjnych. Kandydaci z zagranicznym dyplomem, uprawniającym do podjęcia studiów podyplomowych w Polsce, w momencie składania dokumentów zobowiązani są również do złożenia przysięgłego tłumaczenia dyplomu na język polski
• dowód osobisty — do wglądu (w przypadku wysyłania dokumentów pocztą lub dostarczenie ich przez osoby trzecie powinien zostać okazany w trakcie studiów). Nie przyjmujemy kserokopii dowodów osobistych
• dokumenty potwierdzające zmianę danych osobowych — w przypadku osób, których dane osobowe uległy zmianie (inne imię lub nazwisko w dowodzie osobistym/wizie/karcie pobytu i na dyplomie) - kserokopia dokumentu potwierdzającego zmianę i oryginał do wglądu (np. akt małżeństwa, decyzja administracyjna czy orzeczenie sądu)
• zezwolenie na pobyt dla osób spoza UE — dokument potwierdzający legalny pobyt w Polsce np. wiza lub karta pobytu (w przypadku wysyłania dokumentów pocztą lub dostarczenie ich przez osoby trzecie oryginały dokumentów powinny zostać okazane w trakcie studiów).