Szkolenia tematyczne
Szkolenie praktyczne w przedsiębiorstwach dla pracowników – Szkolenie z zakresu modelowania numerycznego
– LICZBA MIEJSC JEST OGRANICZONA – 6 OSÓB, O UCZESTNICTWIE DECYDUJE KOLEJNOŚĆ ZGŁOSZEŃ
Zakres merytoryczny szkolenia:
Szkolenia z zakresu modelowania stentów w LS-DYNA dla:
• dyskretyzacji geometrii stentu z zaokrągleniami siatką hexahedralną,
• opracowania symulacji krępowania/rozprężania stentu (model balonu uproszczony do wstępnie zawiniętego balonu przed rozprężeniem),
• opracowania metodyki uproszczonej symulacji krępowania/rozprężania stentu z użyciem elementów sprężystych,
• analizy zmęczeniowej bazującej na współczynnikach bezpieczeństwa zmęczeniowego (FSF) dla:
– 1 cyklu ciśnienia krwi od 80 mm Hg do 120 mm Hg,
– 1 cyklu ciśnienia krwi od 110 mm Hg do 180 mm Hg.
Opracowane zagadnienia z powyższych punktów zostaną przygotowane dla trzech typów stentów:
• BMS ze stopu l605,
• stent do Bifurkacji ze stopu l605,
• stent samorozprężalny z materiału NiTi.
Na szkolenie składa się pięć modułów:
- Moduł dyskretyzacji,
- Moduł LS-Prepost – przygotowanie modelu,
- Moduł Implicit LS-Dyna,
- Moduł analizy zmęczeniowej,
- Moduł LS-Prepost – wizualizacja wyników.
Informacje ogólne:
- Szkolenia będą odbywać się w grupie 6 osobowej.
- Zajęcia odbędą się w j. polskim.
- Szkolenia zostaną przeprowadzone w trybie stacjonarnym na Wydziale Inżynierii Biomedycznej wg załączonego harmonogramu.
- Wykonawca musi zapewnić niezbędny do przeprowadzenia szkolenia sprzęt komputerowy wraz z oprogramowaniem (LS-Dyna R13.1.0 lub nowszym).
- Uczestnicy szkolenia otrzymają materiały szkoleniowe w formie papierowej lub elektronicznej, zawierających minimum: konspekt szkolenia i opisy ćwiczeń.
- Po szkoleniu każdy uczestnik otrzyma certyfikat uczestnictwa honorowany przez producenta oprogramowania LS-DYNA.
Rekrutacje zakończone
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – szkolenie AGILE PROJECT MANAGEMENT® FOUNDATION I PRACTITIONER
Zakres merytoryczny AgilePM® Foundation: Czym jest Agile? Wybór odpowiedniego podejścia Agile, Filozofia, pryncypia i wymiary projektu, Przygotowanie na sukces, Procesy DSDM, Ludzie w DSDM – DSDM role i odpowiedzialności, Produkty DSDM, Główne praktyki – priorytetyzacja i timeboxing, Planowanie i kontrola w cyklu życia, Pozostałe praktyki: Warsztaty, Modelowanie, Iteratywny rozwój
Zakres merytoryczny AgilePM® Practitioner: Role i odpowiedzialności – widok Kierownika Projektu, Agile Project Management – cykl życia, Efektywne wykorzystanie produktów, Dostarczanie na czas – łączenie technik MoSCoW, priorytetyzacji i timeboxing, Ludzie, zespoły i interakcje, Wymaganie i user stories, Estymacje – co i jak, Planowanie projektu w cyklu życia, Jakość, Zarządzanie ryzykiem, Dostosowanie podejścia
Informacje ogólne:
- Certyfikowane szkolenie z zarządzania projektami na poziomie AgilePM®Foundation i AgilePM® Practitioner v3 wraz z egzaminami
- Szkolenie na poziomie Foundation trwa 3 dni
- Szkolenie na poziomie Practitioner trwa 2 dni
- Szkolenia należy zrealizować do 30 kwietnia 2026 roku.
- Pracownicy samodzielnie wybierają terminy szkoleń spośród dostępnych u wykonawcy: Asseco Data Systems S.A. na postawie harmonogramu dostępnego na stronie: https://academy.asseco.pl/szkolenie/agilepm-foundation-v3-scrum-essentials-agilepm-practitioner-v3/
- Po wyborze terminu należy bezpośrednio napisać maila do Pani dr inż. Marii Bienkowskiej
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Programowanie w środowisku R
Moduł 1: Podstawy analizy danych w środowisku R – 9 osób, 19-20.03 i 25.03, g. 8:30-15:30 (24h)
Zakres szkolenia obejmuje co najmniej następujące zagadnienia: podstawy programowania w R; wprowadzenie do planowania badań i analizy danych; przygotowanie danych do analizy; opisowa analiza danych w R; wnioskowanie statystyczne; analiza korelacyjna; analiza regresji.
Moduł 2: Analizy wielowymiarowe w R – 9 osób, 13-14.04, g. 8:30-15:30 (16h)
Zakres szkolenia obejmuje co najmniej następujące zagadnienia: analiza skupień; redukcja wielowymiarowości (PCA, analiza czynnikowa, analiza korespondencji); analiza dyskryminacyjna; wizualizacja danych wielowymiarowych.
Moduł 3: Podstawy wizualizacji danych w R – 9 osób, 20-21.04, g. 8:30-15:30 (16h)
Zakres szkolenia obejmuje co najmniej następujące zagadnienia: wprowadzenie do pakietu ggplot2; tworzenie wykresów punktowych, słupkowych, liniowych i innych; histogramy, wykresy pudełkowe; edycja wyglądu wykresu i jego elementów; wykresy złożone w ggplot2; ggplot extentions; eksport wyników.
Moduł 4: R dla zaawansowanych – 9 osób 27-29.04, g. 8:30-15:30 (24h)
Zakres szkolenia obejmuje co najmniej następujące zagadnienia: wykorzystanie pakietów magrittr, purrr, dplyr, tibble, readr, tidyr, stringr, forcats.
Moduł 5: R dla analityków danych i naukowców – 9 osób 8.05, 8:30-14:45 (7h)
Zakres szkolenia obejmuje co najmniej następujące zagadnienia: tablice danych; odczyt i zapis plików danych; podstawianie danych, sortowanie, rankingowanie i porządkowanie danych; funkcje statystyczne w R; rozkład normalny; regresja; testy T; analiza wariancji i wielowymiarowa analiza wariancji; testy chi-kwadrat; funkcje w R; skrypty w języku R; struktury sterujące; wykresy w R; graficzne interfejsy użytkownika dla R.
Moduł 6: Sieci Neuronowe w R– 9 osób 11-12.05, g. 8:30-14:45 (14h)
Zakres szkolenia obejmuje co najmniej następujące zagadnienia: wprowadzenie do Neural Networks; pakiety net, neuronnet; pojęcie neuronów i sieci neuronowych; budowa sieci neuronowych; algorytmy uczenia sieci; OCR i rozpoznawanie wzorców obrazu; wizualizacja sieci neuronowych; dane wejściowe i wyjściowe.
Moduł 7: Big Data – analiza danych i modelowanie z pakietem obliczeniowym R – 9 osób 18.05, g. 8:30-13:30 (6h)
Zakres szkolenia obejmuje co najmniej następujące zagadnienia: wczytywanie dużych zbiorów danych; statystyki opisowe i miary statystyczne – wyznaczanie i wizualizacja z użyciem pakietu obliczeniowego R; metody automatycznego podziału danych, klasteryzacja; dobór próby oraz zbioru treningowego; techniki identyfikacji wartości odstających; drzewa decyzyjne; automatyzacja pozyskiwania i eksploracji danych, web scraping; techniki symulacyjne oraz metody analizy wielowymiarowej.
Informacje ogólne:
- Szkolenia będą odbywać się w grupie 9 osobowej.
- Zajęcia odbędą się w j. polskim.
- Szkolenia zostaną przeprowadzone w trybie online wg załączonego harmonogramu.
- Wykonawca zobowiązany jest do zapewnienia każdemu uczestnikowi szkolenia języka programowania R, interpretera z bibliotekami oraz profesjonalnego środowiska udostępniającego możliwość zarządzania projektem w języku R, edycji kodu, wyświetlania grafiki i przeglądania danych i środowiska pracy.
- Uczestnicy szkolenia otrzymają materiały szkoleniowe w formie papierowej lub elektronicznej, zawierających minimum: konspekt szkolenia i opisy ćwiczeń.
- Materiały szkoleniowe będą:
a) stanowić merytoryczne opracowanie treści realizowanych podczas szkolenia,
b) zawierać opis krok po kroku wykonywanych zadań oraz omawianych treści,
c) uzupełnione o przykłady kodu źródłowego w R wraz z objaśnieniami,
d) zawierać pomoce wizualne (zrzuty ekranu, schematy, wykresy) ilustrujące poszczególne etapy pracy,
e) umożliwiać uczestnikom samodzielne odtworzenie przebiegu omawianych zadań po zakończeniu szkolenia,
f) zawierać wskazówki dotyczące rozwiązywania najczęściej pojawiających się problemów i błędów.
- Po każdym szkoleniu każdy uczestnik otrzyma certyfikat uczestnictwa.
- Każdego dnia szkolenia planowane są przerwy ustalane na bieżąco między uczestnikami i prowadzącym.
Szkolenia dla kadry naukowej w zakresie współpracy w zespole
Szkolenie 1: Budowanie zespołu. 17.12.2025
Szkolenie obejmuje następujące zagadnienia: różnice między zespołem a grupą, cechy efektywnego zespołu, rola zespołu w środowisku akademickim – specyfika pracy zespołowej naukowców, etapy rozwoju zespołu i czynniki wpływające na jego efektywność, style pracy i ról zespołowych – testy samooceny (np. wg Belbina), techniki integracyjne i budowanie zaufania w zespole, rozwiązywanie konfliktów w zespole, ćwiczenia warsztatowe: współpraca przy wspólnym celu badawczym.
Szkolenie 2: Coaching. 15.01.2026
Szkolenie obejmuje następujące zagadnienia: wprowadzenie do coachingu w kontekście pracy naukowej, różnice między coachingiem, mentoringiem a zarządzaniem, narzędzia coachingowe: pytania otwierające, aktywne słuchanie, model GROW, budowanie postawy wspierającej rozwój współpracowników, coaching w roli lidera i nauczyciela akademickiego, bariery i ograniczenia w stosowaniu coachingu, praktyczne ćwiczenia coachingowe w trójkach (coach – klient-obserwator).
Szkolenie 3: Komunikacja interpersonalna. 12.01.2026
Szkolenie obejmuje następujące zagadnienia: wprowadzenie do komunikacji interpersonalnej, podstawy skutecznej komunikacji w środowisku naukowym, bariery komunikacyjne i sposoby ich przełamywania, style komunikacji i ich konsekwencje w relacjach: asertywność vs. uległość vs. agresja, bariery w komunikacji i jak je pokonywać, sztuka słuchania, feedback i parafraza w pracy zespołowej, komunikaty „ja” i konstruktywna informacja zwrotna, komunikacja w sytuacjach trudnych i konfliktowych, symulacje sytuacji komunikacyjnych z życia akademickiego.
Szkolenie 4: Negocjacje. 16.02.2026
Szkolenie obejmuje następujące zagadnienia: wprowadzenie do negocjacji naukowych (np. współpraca międzywydziałowa, granty), style oraz typy negocjacji: twarde, miękkie, partnerskie, oparte na interesach, przygotowanie do negocjacji, strategie i techniki negocjacyjne – BATNA, przebieg negocjacji – etapy i techniki, zasada „win-win”, negocjacje w konflikcie wartości i interesów, ćwiczenia w formie scenek i symulacji negocjacyjnych.
Szkolenie 5: Rozwiązywanie konfliktów. 17.02.2026
Szkolenie obejmuje następujące zagadnienia: wprowadzenie do tematu konfliktu, źródła i dynamika konfliktów w środowisku akademickim, style reagowania na konflikt (model Thomasa-Kilmanna), komunikacja w konflikcie, komunikacja bez przemocy (NVC) jako narzędzie deeskalacji, techniki konstruktywnego rozwiązywania sporów i mediacji nieformalnej, praktyczne case studies i praca w grupach.
Szkolenie 6: Zarządzanie konfliktem. 23.02.2026
Szkolenie obejmuje następujące zagadnienia: czym jest konflikt w środowisku akademickim, źródła i typy konfliktów na uczelni, rola lidera/kierownika w moderowaniu konfliktów zespołowych, interwencje w konflikcie – od mediacji po decyzje autorytarne, narzędzia analizy konfliktu: mapa interesów, skala eskalacji, tworzenie polityki rozwiązywania konfliktów w zespole naukowym, symulacje sytuacji konfliktowych i omówienie interwencji.
Szkolenie 7: Zarządzanie projektem. 24.02.2026
Szkolenie obejmuje następujące zagadnienia: wprowadzenie do zarządzania projektami naukowymi, zespół projektowy i role w projekcie, etapy realizacji projektu (planowanie, realizacja, ewaluacja) i mapa kroków projektowych, cele, harmonogram, ryzyko i zasoby – podstawy zarządzania, wybrane narzędzia wspierające realizację projektu (hamonogramy Gantta, tablice Kanban, matryce odpowiedzialności), wdrożenie zarządzania projektami w pracy akademickiej, praktyczne planowanie mini-projektu badawczego w grupach.
Szkolenie 8: Zarządzanie zespołem. 02.03.2026
Szkolenie obejmuje następujące zagadnienia: role i odpowiedzialności lidera zespołu badawczego, motywowanie współpracowników i budowanie zaangażowania, delegowanie zadań i zarządzanie efektywnością, style zarządzania i ich dopasowanie do zespołu akademickiego, praktyczne studia przypadków i analiza modeli przywódczych, motywowanie i zaangażowanie.
Szkolenie 9: Trening umiejętności kierowniczych. 03.03.2026
Szkolenie obejmuje następujące zagadnienia: rola i tożsamość kierownika na uczelni, kluczowe kompetencje lidera w środowisku naukowym, zarządzanie sobą i zespołem – organizacja pracy, priorytety, podejmowanie decyzji i odpowiedzialność kierownicza, skuteczna komunikacja kierownicza, feedback, motywowanie, rozwiązywanie problemów zespołowych, trening praktyczny: scenariusze decyzyjne i zarządcze.
Informacje ogólne:
- Szkolenia odbędą się stacjonarnie na Wydziale Inżynierii Biomedycznej. Każde szkolenie trwa 1 dzień (8h lekcyjnych).
- Harmonogram dostępny jest na stronie projektu oraz w załączeniu.
- Każdy uczestnik szkolenia otrzyma pakiet materiałów szkoleniowych w wersji papierowej lub elektronicznej
- Na koniec każdego szkolenia każdy uczestnik otrzyma certyfikat.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Data Mining
Koordynator: dr inż. Magdalena Antonowicz, e-mail: Magdalena.Antonowicz@polsl.pl
- Szkolenie 1: Kurs podstawowy – rekrutacja zamknięta
Zakres szkolenia obejmujące co najmniej następujące zagadnienia: Wprowadzenie i przygotowanie danych: Czym jest data mining? Różnice względem klasycznego ML. Przegląd zbiorów danych, ETL, czyszczenie i preprocessing (missing data, encoding, scaling). Praca z pandas, scikit-learn, category_encoders. Eksploracja danych i analiza korelacji: Analiza statystyczna, korelacje, analiza komponentów głównych (PCA). Wizualizacja danych: matplotlib, seaborn, plotly, ćwiczenia: identyfikacja zmiennych istotnych dla predykcji.
- Szkolenie 2: Metody bez nauczyciela
Zakres szkolenia obejmujące co najmniej następujące zagadnienia: Klasteryzacja (unsupervised learning): K-means, hierarchiczne klasteryzacje, DBSCAN. Metody oceny jakości klasteryzacji (silhouette, elbow method). Case study: segmentacja klientów / anomalii.
- Szkolenie 3: Metody predykcyjne – rekrutacja zamknięta
Zakres szkolenia obejmujące co najmniej następujące zagadnienia: Regresja liniowa i wielomianowa, regularizacja: Lasso, Ridge. Feature engineering i walidacja krzyżowa. ćwiczenia na realnych danych (np. ceny mieszkań, medyczne predykcje). Klasyfikacja: Drzewa decyzyjne, Random Forest, XGBoost. Balansowanie klas, metryki: accuracy, ROC AUC, precision/recall. Case study: wykrywanie oszustw, klasyfikacja wiadomości. Pipeline i automatyzacja Pipeline, GridSearchCV, joblib, reproducibility. Wprowadzenie do MLflow, wersjonowanie eksperymentów. Projekt grupowy: caCy pipeline na danych wCasnych.
Informacje ogólne:
- Szkolenie 1 – 16h, Szkolenie 2 -16h, Szkolenie 3 – 16h
- Czas trwania szkoleń 48h (1 godzina lekcyjna to 45 minut), 6 dni
- Szkolenia będą odbywać się w grupie 16 osobowej
- Zajęcia odbędą się w j. polskim.
- Szkolenia zostaną przeprowadzone w trybie online wg załączonego haronogramu.
- Uczestnicy szkolenia otrzymają materiały szkoleniowe w formie papierowej lub elektronicznej, zawierających minimum: konspekt szkolenia i opisy ćwiczeń.
- Po każdym szkoleniu każdy uczestnik otrzyma certyfikat uczestnictwa.
- Każdego dnia szkolenia planowane są następujące przerwy: jedna dłuższa (30 min.) oraz dwie krótkie (15 min.) – ustalane na bieżąco między uczestnikami i prowadzącym.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Analizy CFD
Szkolenie obejmuje następujące zagadnienia: Praca z geometrią — Ansys SpaceClaim; Metodyka pracy w Ansys SpaceClaim; Podstawowe narzędzia służące do modelowania (Select, Pull, Move, Fill); Narzędzia dla analiz CFD; Naprawa i uproszczenie geometrii; Parametryzacja modelu. Wprowadzenie do generacji siatki w Ansys Fluent Meshing – Zapoznanie z możliwościami programu i graficznym interfejsem; Tworzenie i kontrola pola zagęszczeń; Dobre praktyki w szablonie WT; Generacja siatki warstwy przyściennej i siatki objętościowej; Skryptowanie; Automatyzacja procesu generacji siatki. Wprowadzenie do analiz przepływowych w Ansys Fluent – Wprowadzenie do analiz przepływowych – jak rozplanować pracę; Definicja warunków brzegowych – kluczowy etap w kontekście wiarygodności symulacji; Wybór modeli fizycznych – pułapka złożoności; Ustawienia solwera – jak “podkręcić” symulację; Kilka słów o modelowaniu turbulencji; Analiza uzyskanych wyników – kolorowe obrazki czy wiarygodne dane. Przykładowe zastosowania Ansys Fluent w inżynierii biomedycznej. Wprowadzenie do modułu species transport: definicje mieszanin, warunki brzegowe; Omówienie podstaw modelowania przepływu krwi przy użyciu Ansys Fluent; Charakterystyka i modelowanie reologicznych właściwości krwi jako płynu nienewtonowskiego.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Przetwarzanie sygnałów
Zakres szkolenia obejmuje wstępne przetwarzanie sygnałów oraz ekstrakcję cech w dziedzinie analizy danych. Celem szkolenia jest pokazanie sposobów wstępnego przetwarzania sygnałów (w domenie czasu) ze szczególnym uwzględnieniem sygnałów biomedycznych (EKG, EMG, EEG) oraz wydobycia z nich kluczowych cech (w domenie czasu i częstotliwości). Tworzenie, importowanie i wizualizacja sygnałów. Przetwarzanie w celu poprawy jakości danych, w tym wypełnianie luk w danych, przepróbkowanie, wygładzanie, dopasowywanie sygnałów, znajdowanie i usuwanie wartości odstających i przetwarzanie nierównomiernie pobranych próbek. Wyodrębnianie cech w dziedzinie czasu i częstotliwości, w tym wyszukiwanie sygnałów z wzorców, znajdowanie punktów zmian, lokalizacja szczytów i identyfikacja trendów.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Analiza danych i programowanie w Python
Koordynator: dr inż. Magdalena Antonowicz, e-mail: Magdalena.Antonowicz@polsl.pl
SZKOLENIE 2: Data Science w Python – 2 dni (16h)
Zakres szkolenia obejmujący następujące zagadnienia: wprowadzenie do Data Science; podstawy języka Python w analizie danych; podstawy bibliotek Numpy i Pandas; podstawy statystki; wykresy (biblioteki matplotlib i seaborn, histogramy, wykresy rozrzutu, wykresy pudełkowe); regresja, klasyfikacja, biblioteka Scikit-learn.
• grupa 1 – 27–28.11.2025
• grupa 2 – 08–09.12.2025
SZKOLENIE 3: Eksploracja, wizualizacja i przygotowanie danych w Python – 2 dni (16h) – grupa 1 i 2
Zakres szkolenia obejmujące następujące zagadnienia: biblioteki do eksploracji i wizualizacji danych; dane tabelaryczne, JSON, zapis obiektów Python; jakość danych; zasady dobrej wizualizacji danych; histogram i KDE; wykresy pudełkowe; badanie związków miedzy zmiennymi za pomocą wykresów i podsumowań; wykresy przebiegu; estetyka wykresów; wykrywanie problemów z jakością danych i usuwanie ich; łączenie danych z różnych źródeł; zmiana układu danych; agregacja danych i analizy w grupach; inżynieria cech.
• grupa 1 – 10–11.12.2025
• grupa 2 – 18, 22.12.2025
• grupa 2 – 18, 22.12.2025
SZKOLENIE 4: Uczenie maszynowe w Python – 3 dni (24h) – grupa 1 i 2
Zakres szkolenia obejmujące następujące zagadnienia: podstawy uczenia maszynowego; elementy środowiska Python wykorzystywane w uczeniu maszynowym; wprowadzenie do biblioteki Scikit-learn; drzewa decyzyjne; analiza skupień; analiza składowych głównych; potoki (pipelines); losowy las; drzewa wzmacniane i XGBoost; sieci neuronowe.
• grupa 1 – 12–14.01.2026
• grupa 2 – 19–21.01.2026
• grupa 2 – 19–21.01.2026
SZKOLENIE 5: Praktyczne zastosowanie Pythona w naukach przyrodniczych
ILOŚĆ MIEJSC JEST OGRANICZONA – O UCZESTNICTWIE DECYDUJE KOLEJNOŚĆ ZGŁOSZEŃ
Zakres tematyczny szkolenia obejmuje następujące zagadnienia: wprowadzenie do Biopython; przetwarzanie danych NGS; wykorzystanie biblioteki Biopython w analizie danych biologicznych i genetycznych.
Każde szkolenie będzie się odbywać w dwóch grupach, jedna grupa – 11 osób, druga grupa – 12 osób.
TERMIN 1: 29.01.2026, g. 8:30-12:30 (5h lekcyjnych + przerwa)
TERMIN 2: 30.01.2026, g. 8:30-12:30 (5h lekcyjnych + przerwa)
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Data Science
Koordynator: dr inż. Magdalena Antonowicz, e-mail: Magdalena.Antonowicz@polsl.pl
ZAKRES MERYTORYCZNY SZKOLENIA:
Implementacja modeli deep learning w Pythonie z użyciem TensorFlow i Keras, przygotowanie środowiska pracy.
Zakres szkolenia obejmuje co najmniej następujące zagadnienia:
- Konfiguracja środowiska + wprowadzenie do DL: Instalacja Anaconda, Jupyter, TensorFlow, Keras. Wprowadzenie do architektury sieci neuronowych. Przykład: klasyfikacja obrazów (MNIST).
- Praca z danymi tekstowymi: Tokenizacja, embeddingi (Tokenizer, Embedding layer). Model LSTM do klasyfikacji sentymentu (IMDB). Porównanie z klasycznym podejściem (TF-IDF + klasyfikator).
- Obrazy CNN, Warstwy konwolucyjne, padding, pooling: Budowa prostego CNN w Keras. Transfer learning – EfficientNet, VGG16.
- Uczenie nienadzorowane i autoenkodery: Autoenkodery, rekonstrukcja danych, redukcja wymiarowości. Wykrywanie anomalii (np. z danych sensorycznych).
- Tworzenie własnych datasetów i augmentacja: Tworzenie generatorów danych (ImageDataGenerator, Sequence). Augmentacja danych obrazowych i tekstowych. Zasady tworzenia zbiorów walidacyjnych.
- Zarządzanie projektami DL: TensorBoard, monitorowanie uczenia. Zapisywanie i ładowanie modeli.
Informacje ogólne:
- Czas trwania szkolenia 45h (1 godzina lekcyjna to 45 minut), 6 dni
- Szkolenia będą odbywać się w grupie 17 osobowej
- Zajęcia odbędą się w j. polskim.
- Szkolenia zostaną przeprowadzone w trybie online wg załączonego harmonogramu.
- Uczestnicy szkolenia otrzymają materiały szkoleniowe w formie papierowej lub elektronicznej, zawierających minimum: konspekt szkolenia i opisy ćwiczeń.
- Po każdym szkoleniu każdy uczestnik otrzyma certyfikat uczestnictwa.
- Każdego dnia szkolenia planowane są następujące przerwy ustalane na bieżąco między uczestnikami i prowadzącym.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Podstawy programowania w języku Python
Zakres szkolenia obejmuje następujące zagadnienia: Wprowadzenie do programowania – podstawowe pojęcia, logika i struktury algorytmiczne. Wstęp do Pythona – charakterystyka języka, zastosowania w różnych dziedzinach. Instalacja i konfiguracja środowiska – przygotowanie narzędzi do pracy. Podstawy składni Pythona – zmienne, typy danych, struktury danych, instrukcje warunkowe, pętle, interakcja z użytkownikiem. Programowanie proceduralne – funkcje, parametry, dokumentacja i adnotacje. Programowanie obiektowe – klasy, metody, dziedziczenie, metody statyczne i klasowe. Obsługa wyjątków – wykrywanie, obsługa błędów, definiowanie własnych wyjątków. Organizacja kodu – moduły, pakiety, struktura projektów. Biblioteka standardowa Pythona – wyrażenia regularne, data i czas, zaawansowane kolekcje, GUI, obsługa parametrów linii poleceń. Praca z bibliotekami zewnętrznymi – instalacja i wykorzystanie popularnych pakietów. Operacje wejścia/wyjścia i komunikacja sieciowa – pliki, zapytania HTTP, serializacja danych. Testowanie i debugowanie – testy jednostkowe, narzędzia wspierające testowanie, debugowanie kodu. Praktyczne zastosowania Pythona – projekty i przykłady użycia w nauce i przemyśle. Dobre praktyki programistyczne – pisanie czytelnego, utrzymywalnego i efektywnego kodu.
Informacje ogólne:
- Harmonogram szkolenia wg załącznika
- Szkolenie jest 15dniowe (120h lekcyjnych) i odbędzie się w godz. 8:30-15:30 (w tym 1,5h przerwy)
- Szkolenie będzie prowadzone w języku polskim
- Szkolenie odbędzie się w trybie zdalnym
- Każdy uczestnik szkolenia otrzyma pakiet materiałów szkoleniowych, zawierających minimum: konspekt szkolenia i opisy ćwiczeń w wersji papierowej lub elektronicznej.
- Każdy uczestnik otrzyma certyfikat potwierdzający uzyskanie kompetencji.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Uczenie maszynowe
Koordynator: dr inż. Karolina Wilk, e-mail: Karolina.Wilk@polsl.pl
- SZKOLENIE 1: UCZENIE MASZYNOWE W MATLABIE/PYTHONIE – 16 osób
Zakres szkolenia obejmuje następujące zagadnienia: Python zamiast MATLAB-a – podstawy różnic numpy vs MATLAB matrices, indexing, broadcasting. pandas jako odpowiednik table, readtable. Praca z scikit-learn – interfejsy podobne do fit/predict. Klasyczne algorytmy ML Regresja liniowa, logistyczna – implementacja i porównanie. Drzewa decyzyjne i lasy losowe – analogie do MATLAB fitctree.
- SZKOLENIE 2: Wprowadzenie do Deep Learning z MATLAB/Python – 16 osób
Zakres szkolenia obejmuje następujące zagadnienia: Głębokie modele – teoria i implementacja: Warstwy, aktywacje, optymalizatory. Keras jako prosty interfejs do TF. Porównania do trainNetwork w MATLAB. Transfer danych między MATLAB <-> Python Zapis danych do .mat, odczyt w Pythonie (scipy.io.loadmat). Zapis z Pythona do MATLAB (h5py, matplotlib + .mat). Konwersja modeli i danych.
- SZKOLENIE 3: Deep Learning for Medicine – 16 osób
Zakres szkolenia obejmuje następujące zagadnienia: modele medyczne / medyczne use-case’y: Praca na danych medycznych (np. MIMIC, dane EKG). Klasyfikacja obrazów RTG, analiza sekwencji (LSTM). Przykład replikujący prosty pipeline MATLAB w Pythonie. Projekty i podsumowanie: Mini-projekty zespołowe: od danych do predykcji. Dyskusja: plusy i minusy środowisk. Narzędzia do wdrażania modeli (Flask, streamlit, docker – omówienie).
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji miękkich – Rozwój osobisty o następującej tematyce:
- Automotywacja
- Efektywność osobista
- Realizacja celów
- Twórcze rozwiązywanie problemów
- Zarządzanie czasem – UWAGA – szkolenie 23.09 rozpocznie się o 11:30
- Zarządzanie stresem i emocjami
- Zarządzanie zmianą
Ilość miejsc: 5-10 na każde szkolenie
- Szkolenia odbędą się stacjonarnie na Wydziale Inżynierii Biomedycznej. Każde szkolenie trwa 1 dzień (8h lekcyjnych).
- Każdy uczestnik szkolenia otrzyma pakiet materiałów szkoleniowych w wersji papierowej lub elektronicznej
- Na koniec każdego szkolenia każdy uczestnik otrzyma certyfikat.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Statystyka zastosowania praktycznego w medycynie
Koordynator: dr inż. Magdalena Antonowicz, e-mail: Magdalena.Antonowicz@polsl.pl
- Szkolenie 1: Statystyka dla niestatystyków – rekrutacja została zakończona
- Szkolenie 2: Statistica kurs podstawowy – rekrutacja została zakończona
- Szkolenie 3: Analiza danych jakościowych – rekrutacja została zakończona
- Szkolenie 4: Analiza przeżycia – rekrutacja została zakończona
- Szkolenie 5: Analizy wielowymiarowe – rekrutacja została zakończona
- Szkolenie 6: Metaanaliza – rekrutacja została zakończona
- Szkolenie 7: Metody analizy wariancji i analizy regresji – rekrutacja została zakończona
- Szkolenie 8: Statystyka w medycynie – metody podstawowe – rekrutacja została zakończona
- Szkolenie 9: Statystyka w medycynie – metody zaawansowane – rekrutacja została zakończona
- Szkolenie 10: Regresja logistyczna w badaniach medycznych i przyrodniczych – rekrutacja została zakończona
Ilość miejsc: 14 na każde szkolenie
- Szkolenia będą prowadzone w języku polskim, w trybie zdalnym
- Każdy uczestnik szkolenia otrzyma pakiet materiałów szkoleniowych, zawierających minimum: konspekt szkolenia i opisy ćwiczeń w wersji papierowej lub elektronicznej.
- Każdy uczestnik szkolenia otrzyma licencjonowane oprogramowanie Statistica
Szkolenie dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Systemy modelowania medycznego, bazujące na technologiach wirtualnych i rzeczywistości rozszerzonej 3D Studio Maxx (stopień I, II i III).
3D Studio Maxx to rozbudowany program graficzny do trójwymiarowego modelowania graficznego i tworzenia animacji, pozwalający na projektowanie narzędzi, implantów, sprzętu medycznego, opracowywania ich designu oraz walorów wizualno-użytkowych. Ponadto oprogramowanie to umożliwia tworzenie animacji.
Informacje ogólne:
- Szkolenia odbędą się w trybie online. Każdy stopień trwa 3 dni (20h lekcyjnych).
- Udział w szkoleniu dla osób posiadające wiedzę podstawową z zakresu projektowania CAD potwierdzoną certyfikatem.
- Na koniec szkolenia każdy uczestnik otrzyma certyfikat.
Szkolenia dla kadry naukowej w zakresie kompetencji psychologiczno-pedagogicznych w nauczaniu dla kadry naukowej
Szkolenia o następującej tematyce:
- Kreatywność
- Asertywność
- Motywowanie Studentów
- Wystąpienia publiczne i autoprezentacja
- Wywieranie wpływu
- Profilaktyka wypalenia zawodowego
Ilość miejsc: 5 – 10.
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji na rzecz transformacji:
English in biomedical engineering
- ILOŚĆ MIEJSC: 30 OSÓB
- Kurs odbędzie się indywidualnie dla 30 osób
- Wszystkie kursy odbędą się w formie online
- Dla każdego uczestnika przewidziano 30 godzin zajęć online, 20 spotkań po 90 min
- Szkolenie obejmuje poziomy od A2 do C1, z możliwością indywidualnego dopasowania
- Harmonogram szkoleń zostanie ustalony indywidualnie na podstawie preferencji uczestnika oraz dostępności lektora.
- Po zapisaniu się na szkolenie, uczestnik otrzyma adres e-mail Lektora w celu bezpośredniego ustalenia terminu zajęć.
- Wszystkie zajęcia muszą się odbyć do 31.05.2026r.
- Po każdym szkoleniu każdy uczestnik otrzyma certyfikat uczestnictwa.
Wsparcie kadry naukowej w działalności naukowej – szkolenie z modelowania w środowisku AnyBody Modeling System
Informacje ogólne:
- Ukończenie szkolenia z oprogramowania Anybody Modeling System pozwoli osobom z kadry naukowej nabyć umiejętności wyznaczania obciążeń układy mięśniowo-szkieletowego człowieka w różnych zadaniach statycznych i dynamicznych (różnego rodzaju aktywności ruchowej). Szkolenie składać się będzie z części wykładowej i ćwiczeniowej w czasie której uczestnicy będą uczyć się budować zaawansowane modele matematyczne układu mięśniowo-szkieletowego pod okiem instruktora. Szkolenie przewiduje czas na zgłaszanie i rozwiązywanie indywidualnych, zaawansowanych problemów badawczych związanych z modelowaniem w środowisku Anybody Modeling System.
- Szkolenie online 30h
- Warunek uczestnictwa: Potwierdzenie podstawowej wiedzy związanej z modelowaniem układu mięśniowo-szkieletowego człowieka zdobytą w toku realizowanej pracy naukowej (udokumentowane publikacją naukową
Wsparcie kadry naukowej w działalności naukowej – Zaawansowane szkolenie skaningowej mikroskopii elektronowej –
Zakres tematyczny szkolenia obejmuje w szczególności następujące zagadnienia z zakresu obsługi mikroskopu skaningowego oraz zintegrowanego systemu mikroanalizy rentgenowskiej EDS:
- Optymalizacja ustawień mikroskopu,
- Zasady konserwacji i czyszczenia mikroskopu elektronowego;
- Techniki akwizycji obrazów – przygotowanie próbek, dobór parametrów obrazowania, rejestracja obrazów;
- Optymalizacja procesów akwizycji danych obrazowych, z uwzględnieniem rodzaju próbek i oczekiwanych rezultatów;
- Ustawienia eksperymentalne – dobór parametrów pracy mikroskopu w kontekście specyfiki prowadzonych badań naukowych.
- Obsługa systemu mikroanalizy rentgenowskiej EDS, w tym podstawy teoretyczne, dobór parametrów akwizycji widm oraz interpretacja wyników analizy składu chemicznego.
- Szkolenie będzie realizowane z wykorzystaniem skaningowego mikroskopu elektronowego model VEGA IV-GMS firmy TESCAN
- Szkolenia odbędą się stacjonarnie na Wydziale Inżynierii Biomedycznej (sala 006 EHTIC). Szkolenie trwa 2 dni (16h lekcyjnych).
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Metodyka PM Prince2 Foundation i Practitioner
Ukończenie szkolenia Metodyka PM Prince2 Foundation i Practitioner pozwoli Kadrze naukowej nabyć umiejętności, uznane za standard zarządzania projektami. Szkolenie zapewni właściwe kompetencje do zarządzania zarówno małymi projektami badawczymi o znaczeniu uczelnianym, jak również dużymi projektami badawczymi realizowanymi we współpracy z przedsiębiorstwami i zagranicznymi partnerami.
Zarządzanie zgodne z metodyką PM Prince2 Foundation i Practitioner daje pełną kontrolę biznesową inwestycji, od pomysłu, do jej pomyślnego zrealizowania. Kadra naukowa otrzyma umiejętności, które będą wspomagać proces podejmowania decyzji, mających wpływ na skuteczną realizację naukowego przedsięwzięcia.
Informacje ogólne:
- Certyfikowane szkolenie z zarządzania projektami na poziomie PRINCE2®Foundation i PRINCE2® Practitioner edycja 7 wraz z egzaminami
- Szkolenie na poziomie Foundation trwa 3 dni
- szkolenie na poziomie Practitioner trwa 2 dni
- Szkolenia odbywają się online w godzinach 9:00-16:00
- Szkolenia należy zrealizować do 30 kwietnia 2026 roku.
- Pracownicy samodzielnie wybierają terminy szkoleń spośród dostępnych u wykonawcy: Asseco Data Systems S.A. na postawie harmonogramu dostępnego na stronie: Terminarz szkoleń | Academy.asseco.pl. Po wyborze terminu należy bezpośrednio napisać maila do Pani Alicji Kozłowskiej: alicja.kozlowska@assecods.pl
- Po wyborze i akceptacji przez Wykonawcę terminu należy miesiąc przed odbyciem szkolenia zgłosić termin do koordynatora zadania 2: Magdaleny Antonowicz-Hüpsch
- Warunek uczestnictwa: Potwierdzenie braku kompetencji w zakresie zarządzania projektami, udokumentowane zaświadczeniem wystawionym przez osobę zainteresowaną szkoleniem
Szkolenia dla kadry naukowej w zakresie kształtowania kompetencji cyfrowych – Analiza danych i programowanie w Python
Szkolenie 1: Analiza danych i programowanie w Python – 25.08, 27.08, 28.08, 29.08 14:30-20:00
Zakres szkolenia obejmujący następujące zagadnienia: wprowadzenie do środowiska Python oraz Jupyter Notebook; instrukcja if i pętle for/while wraz z elementami pass, break i continue; iteratory i funkcja enumerate; funkcje list oraz dict comprehension; obsługa błędów; programowanie funkcyjne i obiektowe; biblioteki; Numpy, Scipy, Pandas; wizualizacje Matplotlib; wizualizacje w Seaborn.
UWAGA: Szkolenie Analiza danych i programowanie w Python składa się z 5 szkoleń tematycznych. Każde szkolenie będzie się odbywać w dwóch grupach, jedna grupa – 11 osób, druga grupa – 12 osób. Obecnie rekrutacja została uruchomiona dla pierwszej grupy.
