NotebookLM to jedno z najbardziej praktycznych narzędzi AI od Google, które pozwala na błyskawiczne przetwarzanie informacji, naukę i wykorzystywanie własnych dokumentów w zupełnie nowy sposób. Podczas naszego bezpłatnego webinaru dowiesz się, jak w praktyce zastosować to rewolucyjne narzędzie w codziennej pracy i nauce, przekształcając statyczne pliki różnego formatu (pliki PDF, .txt, audio, z Dysku Google, filmiki z YouTube, treści stron internetowych) w dynamiczne źródło wiedzy.

Celem naszego spotkania jest przekazanie Ci praktycznych umiejętności, które od razu usprawnią Twoją pracę z informacją. Krok po kroku przeprowadzimy Cię przez kluczowe funkcje NotebookLM, pokazując, jak realnie oszczędzać czas i zwiększać efektywność.

Uczestnicy po zakończeniu otrzymają pocztą elektroniczną certyfikat potwierdzający udział w webinarze.

Termin: 13 listopada 2025, 17:30-18:30 (webinar online).

Liczba godzin: 1 godzina.

Lokalizacja: warsztaty zdalne.

Grupa: do 100 osób.

Wykładowca: Prof. UAM dr hab. Łukasz Smaga.

Cena: BEZ OPŁAT

Podczas webinaru dowiesz się jak:

• przetwarzać własne obszerne dokumenty minimalizując ryzyko ,,halucynacji”,
• automatycznie generować podsumowania, raporty, FAQ i konspekty kursów,
• błyskawiczne tworzyć wizualne mapy myśli,
• tworzyć podsumowania audio i wideo,
• wykorzystać integrację z Google Drive i YouTube.

Podczas tego spotkania skupimy się na realnych, praktycznych zastosowaniach NotebookLM w codziennej pracy i nauce, pokazując, jak narzędzie rozwiązuje konkretne, powszechne problemy. Zamiast teoretycznego przeglądu funkcji, zobaczysz na żywo, jak przekształcić swoje własne notatki, raporty i materiały w dynamiczne, interaktywne zasoby wiedzy.

Prof. UAM dr hab. Łukasz Smaga

Profesor uczelni w Zakładzie Statystyki Matematycznej i Analizy Danych na Wydziale Matematyki i Informatyki Uniwersytetu im. Adama Mickiewicza w Poznaniu. Pracuje naukowo w dziedzinach testowania hipotez statystycznych, analizy danych funkcjonalnych oraz teorii eksperymentu. Zajmuje się również zastosowaniami metod statystycznych, uczenia maszynowego i generatywnej sztucznej inteligencji w praktycznych zagadnieniach. Opublikował 60 artykułów naukowych w tym zakresie. Od wielu lat programuje w językach R i Python. Jest współautorem pięciu jego pakietów języka R dostępnych w repozytoriach CRAN i github. Doświadczony dydaktyk w zakresie rachunku prawdopodobieństwa, statystyki matematycznej i jej zastosowań. Współpracuje m.in. z pracownikami National University of Singapore, TU Dortmund University, Otto von Guericke University Magdeburg, Texas Tech University, Shiga University, Politechniki Poznańskiej i Uniwersytetu Ekonomicznego w Poznaniu.