Prompt Engineering – Inżynieria Promptów

O kierunku

Kompetencja przyszłości dostępna dla każdego. Zostań architektem rozwiązań AI, niezależnie od Twojego wykształcenia.

W dobie rewolucji AI kluczowa staje się nie tylko technologia, ale sposób, w jaki z nią rozmawiamy. Studia podyplomowe na WSTI to unikalny program, który łączy świat zaawansowanej informatyki z humanistycznym podejściem do języka.

Czas trwania studiów: 2 semestry – ścieżka IT 295 godzin, ścieżka non-IT 280 godzin

Aplikuj na studia Zasady przyjęć

Dlaczego ten program jest wyjątkowy?

Program „Od podstaw do Eksperta” – zaczynamy od fundamentalnych zasad komunikacji z AI, które są zrozumiałe dla każdego, przechodząc stopniowo do zaawansowanych wdrożeń biznesowych.
Inżynieria, nie tylko „pisanie” – wykraczamy poza prosty czat. Uczymy metodologii (Prompt Design Patterns), które pozwalają na uzyskiwanie powtarzalnych i bezpiecznych rezultatów w firmie.
Bezpieczeństwo i Etyka – niezależnie od profilu, każdy uczestnik dowie się, jak chronić dane (RODO, AI Act) i jak unikać halucynacji oraz uprzedzeń modeli AI.
Certyfikacja branżowa – program przygotowuje do zdobycia certyfikatów od światowych liderów: OpenAI, Google oraz Microsoft.

Dla kogo? (IT oraz Non-IT)

Program jest w pełni dostosowany do dwóch grup odbiorców:

Dla osób spoza IT (Non-IT / No-Code / Humanistyka) – nie musisz umieć programować, aby budować zaawansowane rozwiązania AI. Uczymy, jak za pomocą języka naturalnego (No-Code) tworzyć skomplikowane instrukcje, optymalizować pracę w marketingu, administracji czy zarządzaniu.
Dla specjalistów IT i Data Science – skupiamy się na inżynierskim podejściu LLMOps. Poznasz techniki automatyzacji przez API, budowę systemów RAG (Retrieval Augmented Generation), zarządzanie cyklem życia promptu oraz zaawansowane techniki zabezpieczania modeli (Red Teaming).

Nasze studia zostały zaprojektowane w formule „Hybrid Skills”.

Cel kształcenia

Co zyskasz jako absolwent?

Jeśli jesteś z sektora Non-IT – zyskasz status „Super-użytkownika” AI. Będziesz potrafił automatyzować swoją codzienną pracę, tworzyć inteligentnych asystentów i wdrażać rozwiązania AI w swojej branży bez pomocy programistów.
Jeśli jesteś z sektora IT – rozszerzysz swój stack technologiczny o najnowszą dziedzinę AI. Będziesz potrafił integrować modele LLM z aplikacjami, zarządzać infrastrukturą promptów i dbać o techniczne bezpieczeństwo systemów generatywnych.

Katalog Modułów

Etyka, Prawo i Bezpieczeństwo w AI

30 godz. – Etyka, Prawo i Bezpieczeństwo w AI

krajobraz prawny AI (EU AI Act),
prawa autorskie a generatywna AI,
RODO (GDPR) vs LLM i problem danych treningowych,
etyka i uprzedzenia (bias),
OWASP Top 10 for LLM,
mechanizmy obronne (guardrails),
analiza głośnych wpadek biznesowych,
red teaming workshop,
obrona (defensive prompting) i audyt biasu,
tworzenie polityki korzystania z generatywnej AI.

Podstawy Przetwarzania Języka Naturalnego (NLP) – Profil Biznesowy

30 godz. – Podstawy Przetwarzania Języka Naturalnego (NLP) – Profil Biznesowy

historia NLP od lingwistyki do sieci neuronowych,
reprezentacja tekstu, tokenizacja, wektoryzacja,
rewolucja Transformerów i mechanizm Self-Attention,
tokenizacja w praktyce biznesowej,
rodziny modeli językowych,
anatomia tokena w przeglądarce,
podobieństwo semantyczne (semantic search) w praktyce,
eksperymenty z limitem kontekstu,
sterowanie kreatywnością (parametry generacji).

Podstawy Przetwarzania Języka Naturalnego (NLP)

30 godz. – Podstawy Przetwarzania Języka Naturalnego (NLP)

od lingwistyki do sieci neuronowych,
reprezentacja tekstu, Word Embeddings,
przestrzeń wielowymiarowa i miara podobieństwa cosinusowego,
era przed-Transformerowa (RNN, LSTM),
rewolucja Transformerów (2017) i mechanizm atencji,
rodziny modeli językowych (Enkodery i Dekodery),
tokenizacja w praktyce biznesowej,
anatomia tokena, praca z narzędziem Tiktoken,
korzystanie z platformy Hugging Face
wektory i podobieństwo semantyczne (Embeddings API),
limity kontekstu i eksperymenty,
temperatura i parametry generacji.

Automatyzacja procesów z AI (Podejście No-Code)

45 godz. – Automatyzacja procesów z AI (Podejście No-Code)

zrozumieć API bez kodu,
podejście low-code / no-code (Make.com, Zapier),
jak AI korzysta z narzędzi,
zarządzanie stanem i pamięcią,
koszty, błędy i bezpieczeństwo w automatyzacjach,
konfiguracja darmowych kont w serwisach Make.com/Zapier,
mapowanie danych i dynamiczne wstrzykiwanie,
automatyzacja pracy z dokumentami,
no-code AI automation (Make.com),
tworzenie spersonalizowanego asystenta w interfejsie ChatGPT/Claude.

Programowanie i automatyzacja z AI

45 godz. – Programowanie i automatyzacja z AI

od chatu do API, endpointy, struktura żądania JSON,
zarządzanie stanem (memory) w kodzie,
wprowadzenie do LangChain i LlamaIndex,
function calling (tool use), definiowanie struktury funkcji,
podejście low-code / no-code,
koszty, błędy i bezpieczeństwo API,
wykonanie pierwszych zapytań do API OpenAI w Pythonie,
dynamiczne wstrzykiwanie zmiennych do promptów,
budowa własnego chatbota w terminalu,
automatyzacja pracy z dokumentami z użyciem Pythona,
warsztat function calling,
LangChain w praktyce (chains).

Prompt Engineering – Teoria i Praktyka

45 godz. – Prompt Engineering – Teoria i Praktyka

anatomia idealnego promptu,
od zero-shot do few-shot,
wnioskowanie krok po kroku (reasoning, CoT),
zaawansowane techniki myślenia (Self-Consistency, ToT, Directional Stimulus Prompting),
paradygmat ReAct i agenci,
ewaluacja i PromptOps,
eksperymenty w konsolach deweloperskich (Playgrounds),
inżynieria formatowania i ról (role-playing),
implementacja few-shot w klasyfikacji,
ograniczanie halucynacji (grounding),
prompt chaining.

Wprowadzenie do Sztucznej Inteligencji i Uczenia Maszynowego

60 godz. – Wprowadzenie do Sztucznej Inteligencji i Uczenia Maszynowego

historia AI i ML, różnice między AI symboliczną a sieciami,
uczenie nadzorowane – regresja i klasyfikacja,
ewaluacja modeli klasyfikacyjnych (macierz pomyłek, krzywa ROC),
drzewa decyzyjne, lasy losowe i maszyny wektorów nośnych (SVM),
zjawisko overfittingu, metody regularyzacji i walidacja krzyżowa,
uczenie nienadzorowane (algorytm K-Means), redukcja wymiarowości (PCA),
środowisko Data Science (Jupyter Notebook, Google Colab),
wprowadzenie do NumPy i Pandas, eksploracyjna analiza danych (EDA),
data preprocessing i budowa pipeline w Scikit-Learn,
trenowanie modeli (regresja logistyczna, lasy losowe),
tuning hiperparametrów (GridSearchCV).

Projekt Dyplomowy (Capstone) – Ścieżka Biznesowa

15 godz. – Projekt Dyplomowy (Capstone) – Ścieżka Biznesowa

identyfikacja nieefektywnego procesu w realnym środowisku biznesowym,
stworzenie mapy procesu As-Is,
opracowanie „System Promptu” z wykorzystaniem zaawansowanych technik,
zbudowanie rozwiązania bez pisania kodu (asystent AI lub integracja w Make.com),
testowanie i bezpieczeństwo (zbudowanie Golden Dataset, testy A/B),
biznesplan, obliczenie kosztów i oszczędności,
stworzenie profesjonalnej dokumentacji biznesowej (Business Case) i prezentacja finałowa.

Projektowanie i Wdrażanie Rozwiązań AI (LLMOps dla inżynierów IT)

45 godz. – Projektowanie i Wdrażanie Rozwiązań AI (LLMOps dla inżynierów IT)

od MLOps do LLMOps, architektura produkcyjnych aplikacji opartych na LLM,
self-Hosting vs Managed APIs, formaty wag modeli (Kwantyzacja),
high-performance inference (vLLM, TGI, PagedAttention, Continuous Batching),
ewaluacja as Code i LLM-as-a-Judge,
produkcyjny RAG, skalowanie wektorowych baz danych,
zarządzanie bezpieczeństwem i kosztami w kodzie,
LLM on the edge / local (konteneryzacja, Ollama/vLLM),
continuous integration dla promptów (GitHub Actions),
semantic caching (Redis/GPTCache),
advanced RAG pipeline (chunking, embedding, re-ranking),
telemetry i observability (LangSmith),
fine-tuning (PEFT/LoRA) małych modeli.

Projektowanie i Wdrażanie Rozwiązań AI (LLMOps w Biznesie)

45 godz. – Projektowanie i Wdrażanie Rozwiązań AI (LLMOps w Biznesie)

wprowadzenie do LLMOps i cykl życia aplikacji AI,
zarządzanie promptami (Prompt Management), wersjonowanie,
tokenomics i ekonomia API, zarządzanie limitami i budżetowanie,
ewaluacja w środowisku produkcyjnym, zbieranie ludzkiego feedbacku,
bezpieczeństwo operacyjne, prywatność i anonimizacja danych,
zarządzanie incydentami AI (zjawisko Model Drift),
od API do interfejsu (deployment) z użyciem platform Low-Code,
warsztat tokenomics i wdrożenie panelu monitorującego,
analiza logów i continuous improvement,
A/B testing promptów,
ewaluacja „LLM jako sędzia” (automatyczne ocenianie przez droższy model).

Przygotowanie do certyfikacji branżowej (AI & Cloud)

30 godz. – Przygotowanie do certyfikacji branżowej (AI & Cloud)

krajobraz certyfikacji AI (Microsoft Azure, AWS, Google Cloud),
anatomia egzaminu, typy pytań i analiza słów kluczowych,
przegląd usług chmurowych AI,
zasady i logistyka zdawania egzaminów proctorowanych online,
przegląd domen egzaminacyjnych,
rozwiązywanie testów próbnych (Mock Exam) ze wspólną analizą,
analiza pytań sytuacyjnych typu „Case Study”,
speed labs w konsoli chmurowej, symulujące pytania praktyczne,
indywidualna symulacja egzaminu i analiza luk wiedzy.

Przygotowanie do certyfikacji branżowej (AI Fundamentals)

30 godz. – Przygotowanie do certyfikacji branżowej (AI Fundamentals)

AI dla decydentów – przegląd rynku certyfikatów „Fundamentals”,
słownik pojęć pod presją, różnice między zadaniami AI z perspektywy biznesowej,
odpowiedzialna AI (Responsible AI) i zasady etyczne gigantów IT,
przegląd usług kognitywnych (Cognitive Services),
anatomia pytań egzaminacyjnych i „rozpraszacze”,
rejestracja na egzamin,
praca z oficjalnym Study Guide,
gra w skojarzenia biznesowe (dopasowywanie Use Cases do usług),
rozwiązywanie testów próbnych i warsztat z dedukcji („zasady eliminacji”),
indywidualne plany naprawcze na podstawie wyników symulacji.

Zaawansowane techniki promptowania (Profil biznesowo-procesowy)

45 godz. – Zaawansowane techniki promptowania (Profil biznesowo-procesowy)

od instrukcji do procesu, myślenie procesowe w pracy z AI,
zaawansowane mapowanie myśli (Tree of Thoughts w praktyce),
prompt chaining i metaprompting,
zarządzanie kontekstem i wiedzą (wstęp do RAG),
rewolucja agentów AI w podejściu no-code,
ewaluacja biznesowa, mierzenie jakości i budowa Golden Dataset,
warsztat Tree of Thoughts (rozwiązywanie złożonych dylematów biznesowych),
praca z modułami analitycznymi (Advanced Data Analysis),
projektowanie Custom GPTs w ekosystemie OpenAI,
budowa potoków i wstęp do wizualnych kreatorów AI (Coze / Flowise).

Zaawansowane techniki promptowania

45 godz. – Zaawansowane techniki promptowania

ewolucja struktur wnioskowania (CoT, Tree of Thoughts, Graph of Thoughts),
deklaratywne definiowanie potoków informacyjnych (framework DSPy),
systemy wieloagentowe (Multi-Agent Systems) i podział pracy (CrewAI, AutoGen),
Program-Aided Language Models (PAL) i oddelegowywanie logiki ścisłej,
prompt routing & fallback (dynamiczne kierowanie zapytań),
implementacja ToT w Pythonie,
DSPy – definiowanie modułów i zastąpienie „System Promptu” kompilowanym potokiem,
DSPy – telepromptery i automatyczna optymalizacja promptu,
budowa zespołu agentów (CrewAI/AutoGen),
wdrażanie PAL i mini-projekt „Auto-Koder”.

Zastosowania Prompt Engineering w biznesie (Case Studies)

30 godz. – Zastosowania Prompt Engineering w biznesie (Case Studies)

AI w obsłudze klienta (od botów FAQ po Agent Assist),
AI w marketingu i sprzedaży (hiperpersonalizacja, automatyczny lead scoring),
AI w HR i rekrutacji (optymalizacja procesu tworzenia opisów stanowisk, screening CV),
AI w dziale prawnym i compliance,
mapowanie procesów pod AI, wyszukiwanie wąskich gardeł,
zarządzanie zmianą (change management) i budowanie kultury wsparcia,
de-konstrukcja case study (metoda harvardzka),
odkrywanie procesów z własnych miejsc pracy,
kalkulacja ROI w arkuszu kalkulacyjnym,
pre-mortem wdrożenia AI i prezentacje pitch deck.

Zastosowania Prompt Engineering w biznesie (Profil Menedżerski / Non-IT)

30 godz. – Zastosowania Prompt Engineering w biznesie (Profil Menedżerski / Non-IT)

AI jako nowy pracownik biurowy (ChatGPT Enterprise, Copilot, Gemini for Workspace),
case studies – marketing, sprzedaż i e-commerce,
case studies – HR, administracja i prawo,
złota zasada wdrożeń AI: HITL (Human-in-the-Loop),
ekonomia AI i kalkulacja ROI,
zarządzanie zmianą (change management) w dziale,
audyt procesów (process discovery),
tworzenie „Biblioteki Promptów” dla całego działu,
AI w analizie danych bez Excela (moduł Advanced Data Analysis),
symulacja kryzysowa (pre-mortem) i firmowa „Polityka Dozwolonego Użytku AI”,
business pitch przed zarządem.

Siatka przedmiotów

Czas trwania studiów: 2 semestry – ścieżka IT 295 godzin, ścieżka non-IT 280 godzin

I sem wyk

I sem ćw

II sem wyk

II sem ćw

Przedmioty ogólne