Warsztat skupia się na roli, jaką sztuczna inteligencja odgrywa w procesie badawczym i publikacyjnym,
oferując naukowcom nowoczesne narzędzia wspierające ich pracę. Podczas warsztatów uczestnicy zdobędą
praktyczną wiedzę na temat wykorzystania technologii AI, w tworzeniu publikacji naukowych– od analizy
literatury po pisanie artykułów badawczych. Dowiedzą się również, jak efektywnie korzystać z tych narzędzi,
aby przyspieszyć proces przeglądania obszernej literatury naukowej, przygotowania tekstu, tworzenia grafik,
prezentacji i materiałów dydaktycznych oraz analizowania danych.

Kurs obejmuje przegląd narzędzi sztucznej inteligencji z uwzględnieniem ich zalet i ograniczeń, a także
praktyczne demonstracje zastosowania tych technologii w pracy naukowej. Uczestnicy zdobędą umiejętności
rozwijania swoich kompetencji w zakresie tworzenia, analizowania oraz promowania badań z wykorzystaniem
sztucznej inteligencji.

Kurs jest przeznaczony dla naukowców zainteresowanych publikowaniem w prestiżowych czasopismach,
doskonaleniem metodologii badawczej oraz efektywnym zarządzaniem czasem. Będzie szczególnie wartościowy
dla osób, które pragną szybciej i skuteczniej przygotowywać publikacje naukowe oraz promować swoje
osiągnięcia.

Uczestnicy po zakończeniu warsztatu otrzymają pocztą elektroniczną certyfikat potwierdzający ukończenie kursu.

Termin: 23 września 2026, 11:00-16:00 (warsztat online).

Liczba godzin: 5 godzin z przerwą kawową.

Lokalizacja: warsztaty zdalne.

Grupa: do 30 osób.

Wykładowca: Prof. UAM dr hab. Łukasz Smaga

Cena: 595 zł netto (731,85 zł brutto). Pracownikom finansowanym przez instytucje naukowe (lub inne jednostki finansowane ze środków publicznych) przysługuje zwolnienie z VAT.

Metody płatności: przelew na konto.

Zagadnienia:

1. Wprowadzenie do modeli sztucznej inteligencji, w szczególności dużych modeli językowych
• Poznaj potencjał najnowszych modeli AI, np.: GPT, Gemini, Bielik.
• Jak korzystać z AI, aby pracować szybciej, precyzyjniej i efektywniej? Przykładowo ChatGPT, Gemini i Perplexity.
• Praktyczne przykłady zastosowań: od generowania treści po interakcję z danymi naukowymi.
• Poznaj naukowe modele rozumujące, które wspierają tworzenie, analizę i interpretację danych.
2. AI jako partner w wyszukiwaniu i interakcji z zasobami naukowymi
• Przegląd literatury: Efektywne wyszukiwanie badań, kluczowych źródeł i trendów naukowych.
• Interakcja z danymi: Czatowanie z plikami PDF, stronami internetowymi, materiałami audio i wideo– szybka analiza treści.
• Kompresja treści: Generowanie streszczeń artykułów, raportów, podcastów, map myśli, testów i fiszek.
• Tworzenie transkrypcji i treści wizualnych: Jak przekształcać dane tekstowe w prezentacje wideo i odwrotnie.
3. Publikacje naukowe z AI: od pomysłu do druku. Proces pisania na wyższym poziomie:
• Automatyczny skład tekstu, parafrazowanie i redakcja.
• Tłumaczenia i korekta językowa.
• Precyzyjne formatowanie cytowań i bibliografii.
• Zasady czasopism co do wykorzystania AI i detektory AI.
4. Tworzenie prezentacji i grafik w kilka chwil dzięki AI
• Prezentacje, które przyciągają uwagę: Jak przygotować poster lub slajdy w oparciu o dane naukowe.
• Generowanie obrazów: Twórz grafiki i wizualizacje na podstawie opisu tekstowego.
5. AI w analizie danych– efektywne narzędzia dla badaczy
• Szybkie wczytywanie, czyszczenie i przekształcanie danych.
• Zaawansowana analiza, wizualizacja i tworzenie wniosków.
• Automatyczne generowanie kodu do analizy danych i znajdowanie błędów.
• Wyjaśnianie złożonych fragmentów analiz i kodu w zrozumiały sposób.

Cele kształcenia

Po kursie uczestnik będzie:

1. Znać potencjał najnowszych modeli AI oraz ich zastosowania w pracy naukowej.
2. Umieć efektywnie korzystać z narzędzi AI, takich jak ChatGPT, Gemini i Perplexity, do rozwiązywania problemów i analizy danych.
3. Potrafić wykorzystywać AI w zadaniach praktycznych, takich jak generowanie treści, analiza danych, wizualizacje i modelowanie matematyczne.
4. Korzystać z zaawansowanych narzędzi do przeszukiwania literatury naukowej oraz analizy trendów.
5. Stosować AI do szybkiego przetwarzania treści: streszczania artykułów, generowania transkrypcji, tworzenia prezentacji i przekształcania danych w formy wizualne.
6. Tworzyć profesjonalne materiały naukowe, w tym prezentacje, postery, grafiki i wykresy, wykorzystując opis tekstowy.
7. Znać zasady wykorzystania AI w publikacjach naukowych oraz korzystać z narzędzi do detekcji treści generowanych przez AI.
8. Podnosić jakość tekstów dzięki automatycznemu składowi, redakcji, parafrazowaniu, tłumaczeniom i korekcie językowej.
9. Formatować cytowania i bibliografię.
10. Efektywnie zarządzać danymi: wczytywać, czyścić, analizować i tworzyć wnioski przy użyciu narzędzi AI.
11. Generować kod, identyfikować błędy i zrozumiale wyjaśniać złożone fragmenty programistyczne w analizie danych przy wsparciu AI.
12. Znać nowoczesne zastosowania AI w badaniach i umieć wykorzystać je do zwiększenia efektywności pracy badawczej.

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.