Giganci Programowania
Sztuczna Inteligencja ONLINE
ONLINEŚrednia ocena zajęć: 4,7505 ABSOLWENTÓW+

Sztuczna Inteligencja ONLINE

Nie daj się wyprzedzić technologii - naucz się nią sterować. Trenuj modele, poznaj sieci neuronowe i wykorzystuj ChatGPT czy Gemini w inteligentny sposób. To kurs krytycznego myślenia w dobie automatyzacji. Zrozum zasady gry i wykorzystaj AI, by osiągać swoje cele. Czas na Twój ruch!

SpotkaniaZajęcia odbywają się 1 raz w tygodniu po 90 minut + 5 minut przerwy, z wyjątkiem świąt
Rozpoczęcie zajęć: Wiek 13-15 latDla uczniów znających podstawy programowania, którzy chcą rozwijać umiejętności i tworzyć bardziej zaawansowane aplikacje.
Małe grupyŚrednio 6 osób w grupie - każde dziecko otrzymuje indywidualną uwagę

Czego się nauczysz

Myślenie cyfrowe

Rozumienie zasad działania sztucznej inteligencji i jej zastosowań

Myślenie algorytmiczne

Planowanie krok po kroku, jak stworzyć działający program, grę lub model AI

Myślenie logiczne

Dostrzeganie zależności i rozwiązywanie problemów w uporządkowany sposób

Kreatywność

Tworzenie własnych postaci, historii i pomysłów na gry.

Rozwiązywanie problemów

Znajdowanie i naprawianie błędów w kodzie i projektach AI

Współpraca

Dzielenie się pomysłami, omawianie projektów i wzajemne pomaganie sobie

Świadomość AI

Poznanie możliwości i ograniczeń sztucznej inteligencji w praktyce

Ścieżka edukacyjna

Liczba modułów: 14 • ponad 26 projektów praktycznych

Zacznij od podstaw i rozwijaj swoje umiejętności krok po kroku. Każdy moduł to nowa dawka wiedzy i praktyki — od prostych ćwiczeń po realne projekty AI i kodu. Uczysz się w logicznej kolejności, by z każdym etapem widzieć realne postępy.

Projekty
Asystent do tworzenia promptów • Generator obrazów i dźwięków • Analiza danych za pomocą NumPy i pandas • Generator wykresów danych
Narzędzia
ChatGPT • Google Colab • Visual Studio Code (Python)
W ramach modułu
  • Rozumienie podstawowych pojęć związanych ze sztuczną inteligencją, uczeniem maszynowym i dużymi modelami językowymi
  • Tworzenie skutecznych i precyzyjnych poleceń dla modeli AI zgodnie z zasadami prompt engineeringu
  • Poznanie najważniejszych etapów rozwoju sztucznej inteligencji oraz współczesnych zastosowań AI
  • Generowanie tekstów, obrazów i dźwięków za pomocą popularnych narzędzi wykorzystujących sztuczną inteligencję
  • Rozpoznawanie zagrożeń, ograniczeń i kontrowersji związanych z rozwojem oraz wykorzystywaniem AI
  • Przygotowanie środowiska programistycznego do pracy z Pythonem i bibliotekami analizy danych
  • Wykorzystywanie dokumentacji technicznej podczas tworzenia programów
  • Przetwarzanie danych i wykonywanie obliczeń za pomocą biblioteki NumPy
  • Tworzenie wykresów i wizualizacji danych za pomocą biblioteki matplotlib
  • Wczytywanie, porządkowanie, analizowanie i filtrowanie danych za pomocą biblioteki pandas
Elementy AI
duże modele językoweprompt engineeringgenerowanie tekstugenerowanie obrazówgenerowanie dźwiękówanaliza zagrożeń związanych z AIwspomaganie programowania za pomocą ChatGPTpraca z dokumentacją przy wsparciu AI
Projekty
Model regresji • Klasyfikator binarny • Symulator przeżycia pasażerów Titanica • Klasyfikator irysów KNN • System klasyfikacji wykorzystujący logikę rozmytą
Narzędzia
ChatGPT • Google Colab • Visual Studio Code (Python)
W ramach modułu
  • Obliczanie i interpretowanie podstawowych miar statystycznych
  • Analizowanie zależności występujących pomiędzy danymi
  • Tworzenie modeli regresji służących do przewidywania wartości liczbowych
  • Przygotowywanie danych do trenowania modeli uczenia maszynowego
  • Budowanie klasyfikatorów binarnych podejmujących decyzje na podstawie danych
  • Dzielenie danych na zbiory treningowe i testowe
  • Ocenianie skuteczności modeli za pomocą odpowiednio dobranych metryk
  • Tworzenie symulatora przewidującego szanse przeżycia pasażerów Titanica
  • Implementowanie algorytmu K najbliższych sąsiadów do klasyfikacji irysów
  • Projektowanie funkcji przynależności i reguł logiki rozmytej
  • Wykorzystywanie logiki rozmytej do rozwiązywania problemów klasyfikacyjnych
Elementy AI
uczenie nadzorowaneanaliza statystycznaregresjaklasyfikacja binarnaprzygotowywanie danychtrenowanie i testowanie modelialgorytm KNNpredykcjalogika rozmytaklasyfikacja danych
Projekty
Klasyfikator spamu • Model sztucznego neuronu • Własna sieć neuronowa • Klasyfikator obrazów wykorzystujący CNN • Panel monitorowania modelu w TensorBoard
Narzędzia
ChatGPT • Google Colab • Visual Studio Code (Python)
W ramach modułu
  • Rozumienie zasad działania naiwnego algorytmu Bayesa
  • Obliczanie prawdopodobieństwa i wykorzystywanie go do klasyfikowania danych
  • Przygotowywanie wiadomości tekstowych do analizy przez model uczenia maszynowego
  • Budowanie klasyfikatora rozpoznającego wiadomości spamowe
  • Rozumienie sposobu działania sztucznego neuronu
  • Poznanie funkcji aktywacji, wag, biasu i procesu uczenia modelu
  • Projektowanie i trenowanie wielowarstwowych sieci neuronowych
  • Analizowanie procesu konwolucji i działania filtrów przetwarzających obrazy
  • Budowanie konwolucyjnych sieci neuronowych przeznaczonych do rozpoznawania obrazów
  • Monitorowanie procesu trenowania modeli za pomocą TensorBoard
  • Rozpoznawanie przeuczenia i niedouczenia modelu
  • Stosowanie metod poprawiających zdolność modelu do generalizacji
Elementy AI
naiwny algorytm Bayesaklasyfikacja tekstuwykrywanie spamusztuczne neuronyuczenie głębokiesieci neuronowefunkcje aktywacjikonwolucjakonwolucyjne sieci neuronowerozpoznawanie obrazówTensorBoardwykrywanie przeuczenia
Projekty
Aplikacja do transferu stylu • Klasyfikator opinii • Generator tekstu • Model generowania tekstu po finetuningu • Syntezator mowy • System rozpoznawania gestów • Projekt Migacz
Narzędzia
ChatGPT • Google Colab • Visual Studio Code (Python)
W ramach modułu
  • Wykorzystywanie sieci neuronowych do przenoszenia stylu pomiędzy obrazami
  • Rozumienie podstaw przetwarzania języka naturalnego
  • Przygotowywanie i oczyszczanie danych tekstowych
  • Reprezentowanie słów i zdań w postaci wektorów liczbowych
  • Analizowanie podobieństwa pomiędzy tekstami na podstawie ich reprezentacji wektorowej
  • Budowanie klasyfikatora rozpoznającego pozytywne i negatywne opinie
  • Wykorzystywanie modeli językowych do generowania tekstu
  • Dostosowywanie gotowego modelu do własnych danych za pomocą finetuningu
  • Generowanie mowy na podstawie przygotowanego tekstu
  • Przetwarzanie obrazu z kamery i wykrywanie charakterystycznych punktów dłoni
  • Budowanie aplikacji rozpoznającej gesty użytkownika
  • Łączenie widzenia komputerowego, przetwarzania języka i interfejsu aplikacji we własnym projekcie
  • Samodzielne planowanie, tworzenie i prezentowanie projektu Migacz
Elementy AI
transfer styluwidzenie komputeroweprzetwarzanie języka naturalnegoreprezentacje wektoroweembeddingianaliza sentymentuklasyfikacja opiniigenerowanie tekstumodele językowefinetuningText To Speechrozpoznawanie dłonirozpoznawanie gestów
Projekty
Środowisko aplikacji uruchamiane w Dockerze • Baza danych SQL • System streszczania wiadomości e-mail • Automatyczne uzupełnianie bazy danych • System oceny filmów • Automatyczny system pozyskiwania danych • Asystent wykorzystujący RAG • Test odporności na prompt injection
Narzędzia
ChatGPT • Google Colab • Visual Studio Code (Python)
W ramach modułu
  • "Rozumienie zasad konteneryzacji aplikacji i wykorzystywanie Dockera
  • Tworzenie, uruchamianie i konfigurowanie kontenerów
  • Projektowanie podstawowych struktur relacyjnych baz danych
  • Zapisywanie, odczytywanie i modyfikowanie danych za pomocą języka SQL
  • Tworzenie automatycznych przepływów pracy w środowisku n8n
  • Łączenie usług internetowych, baz danych i modeli językowych za pomocą API
  • Budowanie systemu automatycznie pobierającego i streszczającego wiadomości e-mail
  • Automatyczne analizowanie danych i uzupełnianie rekordów w bazie danych
  • Tworzenie systemu analizującego oraz oceniającego informacje o filmach
  • Pozyskiwanie danych z formularzy, stron internetowych, plików, API i webhooków
  • Rozumienie zasad działania systemów Retrieval-Augmented Generation
  • Tworzenie bazy wiedzy wykorzystującej embeddingi i wyszukiwanie wektorowe
  • Budowanie asystenta odpowiadającego na pytania na podstawie dostarczonych dokumentów
  • Rozpoznawanie ataków prompt injection i manipulacji instrukcjami modelu
  • Projektowanie bezpieczniejszych automatyzacji wykorzystujących modele AI
  • "
Elementy AI
automatyczne streszczanie wiadomościanaliza i wzbogacanie danychautomatyczna klasyfikacja treściintegracja modeli językowych z bazami danychprzepływy pracy AIagenci AIgenerowanie odpowiedziembeddingiwyszukiwanie wektoroweRAGpraca z bazą wiedzyprompt injectionbezpieczeństwo modeli językowych
Projekty
Skrypty BAT w środowisku testowym • Symulacja phishingu i analiza zabezpieczeń • Strona demonstracyjna HTML/CSS/JS • Analizator siły haseł • Ćwiczenia kryptograficzne
Narzędzia
Visual Studio Community
W ramach modułu
  • Poznanie podstawowych pojęć związanych z cyberbezpieczeństwem, zagrożeniami i etycznym testowaniem systemów
  • Korzystanie z wiersza poleceń CMD i tworzenie prostych skryptów BAT
  • Analizowanie działania skryptów obciążających zasoby wyłącznie w odizolowanym środowisku
  • Rozpoznawanie technik socjotechnicznych i metod manipulacji użytkownikiem
  • Rozumienie różnic pomiędzy atakami DoS i DDoS oraz sposobów ograniczania ich skutków
  • Rozpoznawanie wiadomości i stron phishingowych oraz tworzenie bezpiecznych symulacji edukacyjnych
  • Poznanie podstaw HTML, CSS i JavaScript potrzebnych do analizy stron internetowych
  • Rozumienie działania proxy, VPN, sieci Tor i zasad bezpiecznego korzystania z internetu
  • Poznanie podstaw kryptografii i kryptoanalizy
  • Analizowanie siły haseł oraz mechanizmów ataków brute force i słownikowych
  • Stosowanie zasad legalnej, odpowiedzialnej i etycznej pracy w cyberbezpieczeństwie
Elementy AI
wykorzystanie AI do analizowania cech wiadomości phishingowychgenerowanie bezpiecznych scenariuszy edukacyjnychwyjaśnianie działania skryptów i pojęć bezpieczeństwatworzenie checklist ochrony kont i hasełwspomaganie przygotowywania raportów z ćwiczeń
Projekty
Laboratorium Kali Linux • Audyt bezpieczeństwa haseł • Analiza ruchu sieciowego w Wiresharku • Bezpieczna konfiguracja SSH • Analiza obfuskacji i ukrywania kodu
Narzędzia
Kali Linux
W ramach modułu
  • Przygotowanie i obsługa środowiska Kali Linux
  • Prowadzenie podstawowego rekonesansu i zbieranie informacji o własnym środowisku testowym
  • Audytowanie jakości haseł oraz poznanie metod ich bezpiecznego przechowywania
  • Rozumienie zagrożeń związanych z atakami na dostępność usług i sposobów monitorowania ruchu
  • Poznanie działania keyloggerów z perspektywy wykrywania, zapobiegania i analizy zagrożeń
  • Konfigurowanie bezpiecznego zdalnego dostępu za pomocą SSH
  • Analizowanie pakietów i protokołów sieciowych w programie Wireshark
  • Rozwiązywanie zadań typu CTF w kontrolowanym laboratorium
  • Rozpoznawanie zagrożeń związanych z dołączaniem szkodliwego kodu do innych aplikacji
  • Analizowanie technik obfuskacji i metod utrudniających analizę kodu
  • Dokumentowanie wyników testów oraz proponowanie działań naprawczych
Elementy AI
wykorzystanie AI do wyjaśniania poleceń i protokołówwspomaganie analizy logów i ruchu sieciowegotworzenie reguł i checklist wykrywania zagrożeńporządkowanie notatek z audytuprzygotowywanie zrozumiałych raportów bezpieczeństwa
Projekty
Bezpieczny symulator szyfrowania plików • Publikacja strony i konfiguracja DNS • Laboratorium DVWA • Raport podatności aplikacji webowej • Audyt bezpieczeństwa haseł
Narzędzia
Kali Linux • Visual Studio Community
W ramach modułu
  • Poznanie mechanizmu działania ransomware oraz metod ochrony, kopii zapasowych i odzyskiwania danych
  • Tworzenie wyłącznie bezpiecznego demonstratora szyfrowania w katalogu testowym
  • Poznanie zasad hostingu, domen i działania systemu DNS
  • Rozumienie roli plików cookies, sesji i bezpiecznego uwierzytelniania
  • Przygotowanie kontrolowanego laboratorium DVWA do nauki bezpieczeństwa aplikacji webowych
  • Rozpoznawanie podatności Command Injection
  • Analizowanie mechanizmu Cross-Site Scripting i sposobów zabezpieczania danych wyjściowych
  • Rozpoznawanie SQL Injection i stosowanie zapytań parametryzowanych
  • Poznanie zagrożeń CSRF oraz zasad bezpiecznego przesyłania plików
  • Audytowanie bezpieczeństwa haseł z wykorzystaniem metod słownikowych i wiedzy o tablicach tęczowych
  • Dokumentowanie podatności, ich wpływu i rekomendowanych zabezpieczeń
  • Wykonywanie wszystkich testów wyłącznie na własnych systemach i celowo podatnych aplikacjach szkoleniowych
Elementy AI
wykorzystanie AI do wyjaśniania mechanizmów podatnościanalizowanie fragmentów kodu pod kątem błędów bezpieczeństwagenerowanie propozycji bezpiecznych poprawekporządkowanie wyników testówtworzenie raportów i checklist zabezpieczeń

Panel dziecka i rodzica: nowoczesna platforma do nauki

Jeszcze więcej nauki, zabawy i pełny wgląd w postępy dziecka!

Dla rodziców:

  • Monitoruj rozwój dziecka
  • Zgłaszaj nieobecności i organizuj odrabianie zajęć
  • Bądź na bieżąco z każdym projektem i oceną

Dla uczniów:

  • Śledź swoje postępy
  • Odbieraj materiały po zajęciach
  • Odrabiaj lekcje i bierz udział w grach i wyzwaniach
Panel dziecka i rodzica

Co mówią rodzice i uczniowie

Sprawdź rekomendacje uczestników kursu

Najczęściej zadawane pytania

Zapisów można dokonać klikając poniższy przycisk. Zostaniesz przekierowany do formularza, gdzie wybierzesz kurs, grupę i termin zajęć — cały proces zajmuje około 5 minut. Przed wysłaniem zgłoszenia możesz przejrzeć dostępne terminy i sprawdzić wolne miejsca w wybranych grupach.

Po złożeniu zapisu skontaktujemy się z Tobą w celu potwierdzenia oraz przesłania umowy. Jeśli po pierwszych zajęciach zdecydujesz, że kurs nie jest odpowiedni dla Twojego dziecka — możesz zrezygnować bezpłatnie.

Dobieramy kurs przede wszystkim do wieku i doświadczenia dziecka. Jeżeli dziecko jeszcze nigdy nie miało do czynienia z nauką nowych technologii, a zwłaszcza programowania, zachęcamy do wyboru kursu odpowiedniego dla jego grupy wiekowej:

Dla uczniów w wieku 6–7 latPierwsze kroki w programowaniuSzczegółowy opis kursu
Dla uczniów w wieku 7–9 latPodstawy tworzenia gierSzczegółowy opis kursu
Dla uczniów w wieku 10–12 latProgramy i gry komputeroweSzczegółowy opis kursu
Dla uczniów w wieku 13–18 latWstęp do programowaniaSzczegółowy opis kursu

Jeżeli dziecko ma już doświadczenie w programowaniu, prosimy o kontakt z sekretariatem — przeprowadzimy krótką rozmowę, dzięki której dobierzemy kurs idealnie dopasowany do aktualnego poziomu zaawansowania.

Tel. do sekretariatu: 22 112 10 63

Wszystkie aktualne ceny podane są w zakładce Kursy i cennik. Koszt zależy od wybranego kursu i modelu rozliczenia — rocznego, kwartalnego lub miesięcznego.

Przy płatności rocznej cena za lekcję zaczyna się od 39,16 zł. Dodatkowo oferujemy zniżki rodzinne — każde kolejne dziecko z tej samej rodziny zapisane na kurs otrzymuje rabat.

  • Płatności dokonuje się po otrzymaniu ostatecznej umowy, którą generujemy od razu po zakończonej rejestracji — nie ma żadnych opłat z góry podczas zapisu.
  • Możesz wybrać model rozliczenia: roczny, kwartalny lub miesięczny. Im dłuższy okres, tym niższa cena za lekcję — od 39,16 zł przy płatności rocznej.
  • Płatności realizowane są przelewem bankowym na podstawie faktury lub umowy.

Pamiętaj, że jeśli po pierwszej lekcji zdecydujesz o rezygnacji, możesz to zrobić bezpłatnie — bez żadnych konsekwencji finansowych.

Zajęcia odbywają się przez cały tydzień — w godzinach porannych, popołudniowych oraz w weekendy, dzięki czemu łatwo dopasować termin do planu dnia dziecka i szkoły. Pełna lista aktualnych grup i terminów dostępna jest w formularzu zapisowym.

Każda lekcja trwa 60 minut i odbywa się online przez naszą autorską platformę. W razie nieobecności istnieje możliwość odrobienia zajęć w innej grupie — szczegóły ustala się z opiekunem grupy.

Nie widzisz odpowiedzi, której szukasz?Sprawdź pełną listę pytań