Profesioniști tehnici și non-tehnici care folosesc, evaluează, comandă sau prototipează soluții IA: personal din operațiuni, finanțe, HR, marketing, vânzări, relații cu clienții, juridic, conformitate și administrație; product owners, project managers, analiști, cercetători, formatori și manageri; dezvoltatori, administratori, QA și ingineri care doresc o bază aplicată. Nu sunt necesare cunoștințe de programare sau machine learning. Sunt suficiente utilizarea unui browser, gestionarea obișnuită a fișierelor și capacitatea de a descrie o problemă de lucru.
La finalul traseului standard, participantul va putea:
• explica diferențele dintre IA generativă, modele predictive, embeddings, regăsire și RAG;
• formula și îmbunătăți prompturi, cu rezultate structurate și verificabile;
• recunoaște halucinații, bias, informații sensibile și situații care necesită control uman;
• pregăti un set tabelar mic, antrena modele simple fără cod și compara rezultatele pe date nevăzute;
• construi un asistent RAG pe documente aprobate, cu citări și comportament de refuz;
• compara modele sau configurații folosind un set reproductibil de teste, calitate, latență și cost;
• documenta limitările, riscurile de securitate/confidențialitate și recomandările de utilizare responsabilă.
M00 — Pregătire, conturi și acces la laborator
Format: 1–2 ore asincron · Opțional · Nu consumă timp de clasă
Scop. Eliminarea problemelor de acces și stabilirea regulilor de lucru înaintea cursului.
Rezultatele cursantului:
• Verifică browserul, autentificarea, încărcarea/descărcarea fișierelor și accesul la spațiul personal.
• Recunoaște datele permise, interzise și sintetice din exerciții.
• Parcurge orientarea de bază și confirmă procedura de ajutor.
Rezultat practic. Verificare individuală de acces și acord asupra regulilor laboratorului.
Dependențe. Niciuna.
M01 — Orientare IA, siguranță și acces în laborator
Format: 0,5 zile · Bază · Obligatoriu pentru orice curs practic
Scop. Construirea unui vocabular comun, a așteptărilor realiste și a obiceiurilor sigure.
Rezultatele cursantului:
• Distinge IA, machine learning, IA generativă, LLM, chatbot și RAG.
• Identifică utilizări plauzibile, limite și situații în care este necesar un om.
• Folosește contul, spațiul personal, modelele locale și ruta controlată către modele găzduite.
• Aplică regulile privind datele, proveniența, parolele, cheile API și costurile.
Rezultat practic. Checklist de acces și clasificarea individuală a unor scenarii în: permis, necesită aprobare, interzis.
Dependențe. M00 recomandat.
M02 — Cum funcționează sistemele IA, ML și LLM
Format: 0,5 zile · Bază · Nucleu
Scop. Formarea unui model mental corect, fără matematică inutilă.
Rezultatele cursantului:
• Explică diferența dintre reguli, modele predictive și modele generative.
• Descrie exemplele, caracteristicile, țintele, antrenarea, inferența, tokenii și contextul.
• Explică de ce rezultatele sunt probabilistice și de ce fluența nu garantează adevărul.
• Distinge pre-antrenarea, prompting-ul, RAG și fine-tuning-ul la nivel decizional.
Rezultat practic. Hartă individuală de alegere a abordării pentru mai multe probleme de lucru.
Dependențe. M01.
M03 — Prompting eficient și ieșiri structurate
Format: 0,5 zile · Bază · Nucleu
Scop. Transformarea conversației ocazionale cu un chatbot într-un proces de lucru repetabil.
Rezultatele cursantului:
• Definește scopul, contextul, publicul, constrângerile, exemplele și criteriile de acceptare.
• Cere formate structurate: tabele, checklist-uri, rubrici, rezumate și scheme simple.
• Descompune o sarcină, cere clarificări și revizuiește rezultatul prin iterații.
• Salvează promptul, modelul, parametrii, rezultatul și observațiile necesare reproducerii.
Rezultat practic. Mini-portofoliu individual cu trei prompturi îmbunătățite și justificarea schimbărilor.
Dependențe. M01–M02.
M04 — Verificare, limitări și utilizare responsabilă
Format: 0,5 zile · Bază · Nucleu
Scop. Dezvoltarea unui comportament de verificare proporțional cu consecințele.
Rezultatele cursantului:
• Identifică halucinații, omisiuni, surse inventate, bias, informații depășite și răspunsuri instabile.
• Folosește surse independente, calcule, documente originale și verificare umană.
• Separă informațiile confidențiale, personale, protejate prin drepturi, publice și sintetice.
• Definește când o persoană trebuie să aprobe, corecteze sau refuze o acțiune asistată de IA.
Rezultat practic. Auditarea unui produs generat și realizarea unei versiuni corectate, cu surse.
Dependențe. M02–M03.
Investiția include suport de curs online de tipul share screen si suport din partea trainerului pe durata parcurgerii cursului, precum si diploma de participare.
Program modular, cu instructor și abordare no-code, destinat participanților fără experiență de programare, dar cu extensii opționale pentru cei tehnici. Programul explică practic IA generativă, LLM, modelele predictive, embeddings și RAG; dezvoltă utilizarea eficientă a IA, verificarea rezultatelor și luarea deciziilor pe bază de dovezi. În traseul standard de cinci zile, fiecare participant antrenează și compară un model predictiv simplu într-o interfață vizuală, apoi construiește și evaluează un asistent RAG bazat pe documente. Modulele suplimentare acoperă alegerea modelelor locale sau găzduite, securitatea, confidențialitatea, guvernanța și lansarea responsabilă. Activitățile se desfășoară într-un laborator comun accesibil din browser, cu spații și evaluare individuale.
Cursul se va desfășura după următorul program:
- 28 septembrie 2026, 6 ore, în intervalul orar 09:00-15:00
- 29 septembrie 2026, 6 ore, în intervalul orar 09:00-15:00
Cernat Cezar-Adonis este consultant și trainer tehnic cu experiență în securitate cibernetică, analiză de date operaționale, automatizare Python, threat intelligence, OSINT, vulnerability management și dezvoltarea de platforme tehnice pentru procesarea, corelarea și prioritizarea informației. Experiența profesională include activități de analiză, raportare executivă, integrarea surselor de intelligence în procese operaționale, dezvoltare de fluxuri automate și livrare de instruiri tehnice către audiențe specializate. Profilul este relevant pentru livrarea programului de instruire în Inteligență Artificială Aplicată, LLM, Machine Learning, Evaluare, RAG și Securitate prin experiența practică în procesarea datelor, automatizare, analiză de informații nestructurate, dezvoltare de platforme software și structurarea de sesiuni hands-on. Certificat OSWE, OSCP, GPEN, CompTIA Security+, Auditor Securitate Cibernetică DNSC și Formator autorizat, cu experiență în proiectarea și livrarea de cursuri tehnice aplicate.
