O projekcie | Informatyczne Branżowe Centrum Umiejętności

Rekrutacja otwarta - zapisz się na szkolenie

O projekcie

Powiat Limanowski wraz z Zespołem Szkół Techniczno-Informatycznych w Mszanie Dolnej – Technikum im. Św. Antoniego z Padwy w partnerstwie ze Stowarzyszeniem Humaneo uzyskali dofinansowanie z Unii Europejskiej na przedsięwzięcie pn. „Informatyczne Branżowe Centrum Umiejętności”.

Celem przedsięwzięcia jest wdrożenie innowacyjnych i trwałych mechanizmów współpracy na gruncie kształcenia zawodowego, szkolnictwa wyższego, uczenia się przez całe życie, sprzyjających odporności i doskonałości oraz cyfrowej i zielonej transformacji. Projekt realizujemy, aby wesprzeć przygotowanie kadr na potrzeby nowoczesnej gospodarki w branży teleinformatycznej, poprzez utworzenie i wsparcie funkcjonowania Branżowego Centrum Umiejętności z dziedziny Informatyka i programowanie. W ramach projektu powstanie 5 kwalifikacji oraz 10 umiejętności z dziedziny Informatyka i programowanie. W projekcie planujemy przeszkolić 700 uczestników, w tym 210 uczniów/studentów, 420 osób dorosłych oraz 70 nauczycieli kształcenia zawodowego. Informatyczne Branżowe Centrum Umiejętności, będzie zlokalizowane przy Zespole Szkół Techniczno-Informatycznych w Mszanie Dolnej – Technikum im. Św. Antoniego z Padwy. W tym celu zaplanowaliśmy przeprowadzenie działań inwestycyjnych niezbędnych do utworzenia BCU oraz zakup wyposażenia w zakresie związanym z jego funkcjonowaniem.

Planujemy wsparcie funkcjonowania BCU w czterech obszarach:

działalność edukacyjno-szkoleniowa;

działalność integrująco-wspierająca;

działalność innowacyjno-rozwojowa;

działalność doradczo-promocyjna;

Dodatkowo będziemy prowadzić doradztwo walidacyjne, a także planujemy organizację branżowego konkursu umiejętności.

Dofinansowanie: 14 970 045,95 PLN (netto)

#FunduszeUE #FunduszeEuropejskie

Wczytywanie…

Tworzenie testów automatycznych z wykorzystaniem AI - Zakres nauczania:

Wprowadzenie do automatyzacji i konfiguracja środowiska
Omówienie zasad automatyzacji testów, kiedy warto automatyzować oraz roli piramidy testów i testów E2E. Konfiguracja środowiska programistycznego, instalacja .NET SDK, zarządzanie paczkami NuGet oraz struktura projektu testowego w oparciu o NUnit lub xUnit.
Pierwsze kroki z Selenium WebDriver
Wprowadzenie do architektury Selenium WebDriver zgodnej ze standardem W3C, konfiguracja sterowników przeglądarek oraz inicjalizacja testów w popularnych przeglądarkach. Nawigacja po stronach i zarządzanie stanem przeglądarki.
Lokalizowanie elementów interfejsu użytkownika
Strategie lokalizowania elementów przy użyciu selektorów ID, Name, ClassName, CSS oraz XPath. Różnice pomiędzy selektorami relatywnymi i absolutnymi oraz wykorzystanie narzędzi deweloperskich w pracy testera.
Interakcje z elementami i asercje
Wykonywanie podstawowych akcji na elementach strony, takich jak kliknięcia, wprowadzanie danych i czyszczenie pól. Tworzenie asercji w NUnit oraz pisanie pierwszych samodzielnych testów automatycznych.
Wykorzystanie AI jako wsparcia w automatyzacji testów
Wprowadzenie do GitHub Copilot jako narzędzia wspierającego testera. Konfiguracja, tworzenie promptów, generowanie fragmentów kodu oraz analiza błędów. Zastosowanie AI ma charakter wspierający i opcjonalny.
Dynamiczne strony i synchronizacja testów
Rozwiązywanie problemów związanych z asynchronicznością aplikacji webowych. Stosowanie mechanizmów oczekiwania, różnice między implicit i explicit wait oraz wykorzystanie AI do generowania niestandardowych warunków synchronizacji.
Page Object Model i wsparcie AI
Wprowadzenie do architektury Page Object Model, separacja logiki testowej od struktury strony oraz tworzenie klas stron. Wykorzystanie AI do generowania szkieletów klas POM na podstawie struktury HTML.
Zaawansowane interakcje z interfejsem użytkownika
Obsługa list rozwijanych, alertów, ramek iframe oraz pracy z wieloma oknami przeglądarki. Wykorzystanie klasy Actions do realizacji bardziej złożonych interakcji użytkownika.
Testy sterowane danymi
Tworzenie testów parametryzowanych, ładowanie danych testowych z plików zewnętrznych oraz wykorzystanie AI do generowania realistycznych zestawów danych testowych.
Raportowanie i diagnostyka testów
Rejestrowanie przebiegu testów, wykonywanie zrzutów ekranu w przypadku błędów oraz wprowadzenie do generowania raportów HTML ułatwiających analizę wyników testów.
Refaktoryzacja i code review z wykorzystaniem AI
Stosowanie zasad Clean Code w testach automatycznych, identyfikacja problemów w kodzie testów oraz optymalizacja struktury projektu przy wsparciu narzędzi AI.
Warsztat finałowy i podsumowanie
Realizacja projektu end-to-end dla przykładowej aplikacji webowej, zastosowanie poznanych wzorców i narzędzi AI w praktyce oraz omówienie dalszych ścieżek rozwoju, w tym integracji z CI/CD.

Tworzenie Agentów AI i Praca z Lokalnymi Modelami LLM - Zakres nauczania:

Wprowadzenie do n8n
Omówienie platformy n8n, jej możliwości oraz praktycznych zastosowań w automatyzacji procesów. Wyjaśnienie, jak działa środowisko, jak korzystać z interfejsu użytkownika oraz jak tworzyć pierwsze przepływy pracy, wykorzystując elementy takie jak węzły i workflow.
Integracja z modelami AI
Przedstawienie sposobów łączenia n8n z różnymi API modeli sztucznej inteligencji (np. OpenAI, Gemini). Pokazanie, jak tworzyć elastyczne i dynamiczne workflow, które komunikują się z modelami w celu przetwarzania danych, analiz czy generowania odpowiedzi.
Tworzenie agentów AI
Budowanie inteligentnych agentów automatyzujących konkretne zadania, takich jak obsługa wiadomości email, analiza treści, klasyfikacja danych, ekstrakcja informacji z dokumentów czy analiza komentarzy z mediów społecznościowych. Omówienie ich działania, logiki oraz implementacji.
Zaawansowane mechanizmy wykorzystywane przy tworzeniu agentów AI
Praca z kluczowymi funkcjami n8n: węzłami HTTP Request oraz Webhook, wykorzystaniem formularzy, obróbką i ekstrakcją danych, a także możliwością rozszerzania funkcjonalności poprzez własny kod w JavaScript lub Pythonie.
Wprowadzenie do lokalnych modeli LLM
Szerokie wprowadzenie do lokalnie uruchamianych modeli językowych, ich zalet, ograniczeń oraz zastosowań. Przegląd różnic między narzędziami takimi jak Ollama i LM Studio oraz omówienie popularnych modeli, m.in. LLaMA, Gemma, Mistral, Phi czy DeepSeek.
Instalacja i konfiguracja środowiska lokalnych modeli
Instrukcja instalacji LM Studio oraz Ollama, wraz z interfejsem Open WebUI. Wyjaśnienie, jak pobierać modele, uruchamiać je zarówno z poziomu GUI, jak i CLI, oraz jak korzystać z lokalnego API modeli do integracji w aplikacjach i procesach firmowych.
Dostosowanie Ollama do potrzeb firmy
Tworzenie użytkowników, zarządzanie dostępem do modeli i organizacja środowiska. Przedstawienie sposobów konfiguracji LLM pod kątem różnych grup użytkowników oraz ustawień dopasowanych do konkretnych procesów biznesowych, takich jak pobieranie danych z zewnętrznych wyszukiwarek.
Metody adaptacji modeli LLM do wymagań organizacji
Omówienie technik dostosowywania modeli, w tym RAG (Retrieval-Augmented Generation) w Ollama i LM Studio, a także podstaw fine-tuningu — kiedy warto go stosować i jakie daje możliwości.