Szkolenie
Machine Learning Mastery
Opanuj sztuczną inteligencję bez stresu i zdobądź dobrze płatną pracę jako Specjalista od Uczenia Maszynowego
Zaczniesz tworzyć algorytmy AI, nawet jeśli jeszcze nie potrafisz programować.
00
dni
:
00
godz.
:
00
min.
:
00
sek.
Dołączam do szkolenia!
150+zadowolonych kursantów
Największą wartością kursu jest przedstawianie poszczególnych tematów w sposób bardzo praktyczny.
Dominik
Onwelo
Dziękuję za pomoc i pokierowanie oraz prośbę o zastosowanie wiedzy od razu - myślę że to jest kluczowe aby robić postępy.
Artur
AXA Switzerland
Podobały mi się bardzo praktyczne rady z doświadczenia biznesowego - to na pewno jest duża wartość tego kursu.
Jakub
EY
Brakuje Ci bezpiecznej i dochodowej pracy, a do tego boisz się, że Twoje stanowisko zostanie wyeliminowane przez AI?
Myślisz o pracy przy tworzeniu sztucznej inteligencji, ale nie wiesz, od czego zacząć i jak poukładać proces nauki?
Masz już podstawy programowania lub pracy w Data Science, ale czujesz, że kręcisz się w kółko i brakuje Ci wsparcia, by wejść na wyższy poziom Twojej kariery?
Jeśli Twoim marzeniem jest praca w AI, gdzie:
wykorzystujesz najnowsze technologie i budujesz zaawansowane modele,
potrafisz wykonać cały proces - od zebrania potrzeb, przez analizę danych aż do wdrożenia rozwiązania,
bierzesz aktywny udział w trwającej rewolucji AI i Twoje modele pomagają ludziom,
A do tego zarabiasz 20-30 tys. zł miesięcznie,
to czytaj dalej - bo to program dla Ciebie!
Krok po kroku nauczę Cię wszystkich umiejętności, byś zdobył pierwszą pracę w AI i wskoczył na wyższy poziom Twojej kariery.
Dołączam do szkolenia!
Wiesz, że AI istnieje nie 4 lata, lecz ponad 9?
Działam przy tworzeniu algorytmów AI już od 10 lat.
Ukończyłem jedne z najlepszych studiów w Polsce na wydziale matematyczno-informatycznym UW, jednak zdobycie praktycznej wiedzy było u mnie procesem żmudnym i długotrwałym.
Musiałem ukończyć 30-40 dodatkowych kursów (inwestując około 50 tys. zł), a dodatkowo popełnić wiele błędów, zanim zrozumiałem, jaka wiedza naprawdę jest przydatna.
Doświadczenie dały mi zrealizowane projekty z różnych branż oraz setki rozmów z klientami na temat modeli sztucznej inteligencji. Prowadząc firmy, współpracowałem z dziesiątkami Data Scientistów, poznając ich wyzwania na różnym etapie, mentorując, ucząc i pracując nad wspólnym kodem.
Z czasem postanowiłem zacząć się dzielić swoją wiedzą na blogu praktycznyml.pl oraz na LinkedIn. Finalnie zebrałem całe moje doświadczenie w tym programie, by Ci dać wiedzę, jakiej wcześniej nie znalazłem.
Obecnie prowadzę swoją firmę COGITA, w której wdrażam najnowocześniejsze rozwiązania AI do firm. I mam dobrą wiadomość.
Nauka umiejętności technicznych jeszcze nigdy nie była tak prosta i przyjemna, jak teraz. Dzięki asystentom AI możesz w kilka tygodni zdobyć umiejętności, które wcześniej wymagały lat pracy.
Dlatego z moją pomocą bardzo szybko możesz zostać samodzielnym ekspertem sztucznej inteligencji!
Ukończyłem jedne z najlepszych studiów w Polsce na wydziale matematyczno-informatycznym UW, jednak zdobycie praktycznej wiedzy było u mnie procesem żmudnym i długotrwałym.
Musiałem ukończyć 30-40 dodatkowych kursów (inwestując około 50 tys. zł), a dodatkowo popełnić wiele błędów, zanim zrozumiałem, jaka wiedza naprawdę jest przydatna.
Doświadczenie dały mi zrealizowane projekty z różnych branż oraz setki rozmów z klientami na temat modeli sztucznej inteligencji. Prowadząc firmy, współpracowałem z dziesiątkami Data Scientistów, poznając ich wyzwania na różnym etapie, mentorując, ucząc i pracując nad wspólnym kodem.
Z czasem postanowiłem zacząć się dzielić swoją wiedzą na blogu praktycznyml.pl oraz na LinkedIn. Finalnie zebrałem całe moje doświadczenie w tym programie, by Ci dać wiedzę, jakiej wcześniej nie znalazłem.
Obecnie prowadzę swoją firmę COGITA, w której wdrażam najnowocześniejsze rozwiązania AI do firm. I mam dobrą wiadomość.
Nauka umiejętności technicznych jeszcze nigdy nie była tak prosta i przyjemna, jak teraz. Dzięki asystentom AI możesz w kilka tygodni zdobyć umiejętności, które wcześniej wymagały lat pracy.
Dlatego z moją pomocą bardzo szybko możesz zostać samodzielnym ekspertem sztucznej inteligencji!
Pokazuję wszystko, czego się nauczyłem podczas 9 lat pracy w ML
Stworzyłem program Machine Learning Mastery - aby Cię wesprzeć!
Ten program łączy w sobie całą moją pasję i wiedzę o Machine Learningu.
To połączenie wszystkiego czego nauczyłem się podczas wielu lat pracy w ML, pracy z dziesiątkami Data Scientistów i wielu setek rozmów z klientami, dla których budowaliśmy modele.
Ten program pomoże Ci uzyskać jedyną w swoim rodzaju wiedzę, o tym, jak całościowo podejść do projektu AI, zaczynając od zupełnych podstaw, by dojść do wymarzonej pracy w Data Science z zarobkami nawet 20-30 tys. PLN miesięcznie!
Dołączam do szkolenia!
10 praktycznych modułów + bonus
Moduł 1
Wstęp do programowania z AI
Nauczysz się programować w Pythonie od podstaw, jednocześnie korzystając ze wsparcia asystentów AI, dzięki czemu nauka będzie szybka i przyjemna.
Poznasz środowisko Google Colab i nauczysz się współpracować z asystentami AI, które będą za Ciebie pisały 80-90% kodu.
Już po pierwszym tygodniu nauki zrealizujesz pierwszy projekt i zbudujesz program do zarządzania zadaniami.
Już po pierwszym tygodniu nauki zrealizujesz pierwszy projekt i zbudujesz program do zarządzania zadaniami.
Moduł 2
Python - pogłębienie
Nauczysz się łączyć z zewnętrznymi bibliotekami oraz API. Uzyskasz dostęp do gotowych modeli AI i będziesz w stanie tworzyć projekty oparte o LLM-y.
- Nauczysz się pracować na plikach
- Poznasz HuggingFace z dostępem do ponad miliona gotowych modeli AI
- Połączenie do API da Ci możliwość tworzenia własnych projektów generatywnego AI
- Będziesz w stanie uruchamiać lokalnie złożone modele AI
- Poznasz HuggingFace z dostępem do ponad miliona gotowych modeli AI
- Połączenie do API da Ci możliwość tworzenia własnych projektów generatywnego AI
- Będziesz w stanie uruchamiać lokalnie złożone modele AI
Moduł 3
NumPy i Pandas
Poznasz dwie fundamentalne biblioteki do pracy z danymi tabelarycznymi.
Będziesz w stanie wykonywać zaawansowane analizy danych finansowych, sprzedażowych i innych, przechowywanych w bazach danych lub Excelu.
Będziesz w stanie wykonywać zaawansowane analizy danych finansowych, sprzedażowych i innych, przechowywanych w bazach danych lub Excelu.
Moduł 4
Fundamenty projektu AI
W tym module nauczę Cię dobrych nawyków i zasad, które wpływają na Twoją efektywność pracy nad modelami ML i ich użyteczność. Pokażę, jak całościowo podejść do projektu AI, aby przyniósł jak największą wartość biznesową.
1. Zrozumienie potrzeby biznesowej - dlaczego?
2. Jaki problem, jak jest teraz, sposób interakcji.
3. Forma interakcji, KPI, oczekiwana skuteczność.
4. Ograniczenia, inne oczekiwania, dane, ludzie.
5. Planowanie projektu ML.
6. Komunikacja w projekcie.
7. Przykład praktyczny - Kaggle.
8. Praca domowa.
2. Jaki problem, jak jest teraz, sposób interakcji.
3. Forma interakcji, KPI, oczekiwana skuteczność.
4. Ograniczenia, inne oczekiwania, dane, ludzie.
5. Planowanie projektu ML.
6. Komunikacja w projekcie.
7. Przykład praktyczny - Kaggle.
8. Praca domowa.
Moduł 5
Dane
Przygotuję Cię na większość wyzwań związanych z przetwarzaniem rozmaitych danych. Zbudujemy jak najlepszy dataset, który posłuży do wytrenowania modeli.
1. Zasady zbierania danych.
2. Otrzymuję gotowe dane. Dane z otwartych zbiorów.
3. Ile danych potrzebuję?
4. Data Centric Approach.
5. Wstępna analiza, czyszczenie i zapewnienie poprawności.
6. Wstępna analiza, czyszczenie i zapewnienie poprawności cz. 2.
7. Wstępna analiza, czyszczenie i zapewnienie poprawności - dane tekstowe
8. Dalsza analiza. Stawianie hipotez badawczych.
9. Anotowanie danych.
10. Wersjonowanie danych.
11. Podział danych na treningowe i testowe. Problem wycieku danych. Niezbilansowany zbiór.
12. Praktyka: Zbieranie informacji o danych.
13. Praktyka: Wstępna analiza danych.
14. Wizualizacja i prezentowanie danych.
15. Praktyka: Dalsze prace.
16. Praca domowa.
2. Otrzymuję gotowe dane. Dane z otwartych zbiorów.
3. Ile danych potrzebuję?
4. Data Centric Approach.
5. Wstępna analiza, czyszczenie i zapewnienie poprawności.
6. Wstępna analiza, czyszczenie i zapewnienie poprawności cz. 2.
7. Wstępna analiza, czyszczenie i zapewnienie poprawności - dane tekstowe
8. Dalsza analiza. Stawianie hipotez badawczych.
9. Anotowanie danych.
10. Wersjonowanie danych.
11. Podział danych na treningowe i testowe. Problem wycieku danych. Niezbilansowany zbiór.
12. Praktyka: Zbieranie informacji o danych.
13. Praktyka: Wstępna analiza danych.
14. Wizualizacja i prezentowanie danych.
15. Praktyka: Dalsze prace.
16. Praca domowa.
Moduł 6
Praca nad modelem - klasyczny ML
W tym module przejdziemy przez klasyczne modele ML: od sieci neuronowych do XGBoost. Dowiesz się, jak dobrać architekturę, jak zdefiniować metrykę, jak stworzyć benchmarki.
1. Dane i zadanie wybierają architekturę. Model benchmarkowy.
2. Model ML - podstawy
3. Dobór metryki.
4. Ogólny podział algorytmów ML
5. Klasyczny Machine Learning: regresja liniowa i logistyczna.
6. Klasyczny ML: SVM.
7. Klasyczny ML: proste sieci neuronowe.
8. Klasyczny ML: Modele drzewiaste. Drzewa decyzyjne.
9. Klasyczny ML: Modele drzewiaste. Gradient-Boosted Decision Trees.
10. Praktyka: Wybór modelu na podstawie danych. Benchmark. Regresja liniowa.
11. Praktyka: SVM.
12. Praktyka: sieci neuronowe.
13. Praktyka: modele drzewiaste.
14. Praca domowa
2. Model ML - podstawy
3. Dobór metryki.
4. Ogólny podział algorytmów ML
5. Klasyczny Machine Learning: regresja liniowa i logistyczna.
6. Klasyczny ML: SVM.
7. Klasyczny ML: proste sieci neuronowe.
8. Klasyczny ML: Modele drzewiaste. Drzewa decyzyjne.
9. Klasyczny ML: Modele drzewiaste. Gradient-Boosted Decision Trees.
10. Praktyka: Wybór modelu na podstawie danych. Benchmark. Regresja liniowa.
11. Praktyka: SVM.
12. Praktyka: sieci neuronowe.
13. Praktyka: modele drzewiaste.
14. Praca domowa
Moduł 7
Praca nad modelem - zaawansowany ML
W tym module omówię wszystkie grupy zaawansowanych modeli ML: poprzez LLMy i Stable Diffusion, aż do Reinforcement Learning. Jakie możliwości dają poszczególne grupy modeli?
1. Systemy rekomendacyjne.
2. Reinforcement Learning.
3. Przetwarzanie języka naturalnego - reprezentacje tekstu.
4. Przetwarzanie języka naturalnego - modele.
5. Computer vision.
6. Generative AI i modele multimodalne.
7. Praktyka: Budowa systemu rekomendacyjnego.
8. Praktyka: Przetwarzanie języka naturalnego.
9. Praca domowa.
2. Reinforcement Learning.
3. Przetwarzanie języka naturalnego - reprezentacje tekstu.
4. Przetwarzanie języka naturalnego - modele.
5. Computer vision.
6. Generative AI i modele multimodalne.
7. Praktyka: Budowa systemu rekomendacyjnego.
8. Praktyka: Przetwarzanie języka naturalnego.
9. Praca domowa.
Moduł 8
Szlifowanie modelu
Poznasz mnóstwo wskazówek, jak poprawić wyniki za pomocą feature engineering, bagging, czy dostosowywanie hiperparametrów. Dowiesz się, jak rozpoznać, że model jest gotowy do wdrożenia, a także dlaczego tak ważna jest interpretowalność wyników.
1. Wprowadzenie do szlifowania modelu i diagnoza problemu.
2. Inżynieria cech.
3. Regularyzacja.
4. Hiperparametry.
5. Ensemblacje modeli.
6. Interpretowalność / wyjaśnialność.
7. Ocena pewności predykcji.
8. Zarządzanie wynikami.
9. Praktyka: Generowanie nowych cech.
10. Praktyka: Trening XGBoost na nowych cechach i wnioskowanie o pewności predykcji.
11. Praktyka: Ensemblacja modeli.
12. Praktyka: Optymalizacja hiperparametrów.
13. Praktyka: Wyjaśnialność za pomocą SHAP.
14. Praktyka: Przygotowanie i publikowanie modelu w Kaggle.
15. Praca domowa.
2. Inżynieria cech.
3. Regularyzacja.
4. Hiperparametry.
5. Ensemblacje modeli.
6. Interpretowalność / wyjaśnialność.
7. Ocena pewności predykcji.
8. Zarządzanie wynikami.
9. Praktyka: Generowanie nowych cech.
10. Praktyka: Trening XGBoost na nowych cechach i wnioskowanie o pewności predykcji.
11. Praktyka: Ensemblacja modeli.
12. Praktyka: Optymalizacja hiperparametrów.
13. Praktyka: Wyjaśnialność za pomocą SHAP.
14. Praktyka: Przygotowanie i publikowanie modelu w Kaggle.
15. Praca domowa.
Moduł 9
Wdrożenie i przetestowanie modelu
Omawiamy wszystkie kroki potrzebne do wdrożenia Twojego modelu na produkcję i przetestowania go przez A/B testy. Podaję różne sposoby dostarczenia Twojego modelu na produkcję (np. przez API, Docker, Kubernetes). Wyjaśniam, jak poradzić sobie z aktualizacją modelu i skalowaniem.
1. Wdrożenie modelu - poszczególne kroki.
2. Model online.
3. Technologie przy wdrożeniu.
4. Logging i monitoring.
5. A/B testy.
6. Skalowanie i aktualizacja modelu.
7. Komunikacja z osobami kluczowymi.
8. Praktyka.
9. Praca domowa
2. Model online.
3. Technologie przy wdrożeniu.
4. Logging i monitoring.
5. A/B testy.
6. Skalowanie i aktualizacja modelu.
7. Komunikacja z osobami kluczowymi.
8. Praktyka.
9. Praca domowa
Moduł 10
Własny rozwój
W ostatnim module dowiesz się, jak zagwarantować sobie, że będziesz zawsze na bieżąco z nowościami w AI. Powiem, jak planować swoją naukę, skąd i jak czerpać wiedzę, by pozostać konkurencyjnym na rynku.
1. Zbuduj nawyki.
2. Plan umiejętności.
3. Współpraca i społeczność.
4. Dziel się dokonaniami.
5. Praca domowa.
6. Zakończenie.
2. Plan umiejętności.
3. Współpraca i społeczność.
4. Dziel się dokonaniami.
5. Praca domowa.
6. Zakończenie.
Bonus
Kariera w Data Science
Dowiesz się, jak planować swoją karierę, jak znaleźć pracę marzeń i co zrobić, by przejść nawet najtrudniejszy proces rekrutacji.
Dołączam do szkolenia!
Zobacz za darmo przykładowe lekcje!
Lista w Pythonie
Omówienie kolekcji danych, jaką jest lista.
Wizualizacja i prezentowanie danych
Poznaj zasady poprawnego prezentowania i wizualizacji danych.
Co dostajesz w ramach Machine Learning Mastery?
10modułów
30godzin nagrań
50+notatników
10+spotkań live
Materiały Video
Otrzymasz 10 modułów lekcji video, łącznie około 30 godzin nagrań lekcji nasyconych ekspercką wiedzą.
Indywidualne wsparcie
Przez 12 miesięcy będziesz miał dostęp do mojego wsparcia. Pomogę Ci z wyzwaniami, z którymi się mierzysz na etapie, na którym jesteś.
Checklisty
Checklisty na każdy etap projektu, dzięki którym nie zapomnisz o żadnym etapie w swoich projektach.
Wyjątkowa społeczność
Otrzymasz 10 modułów lekcji video, łącznie około 30 godzin nagrań lekcji nasyconych ekspercką wiedzą.
Notatniki Jupyter
Gotowe kilkadziesiąt notatników z kodem, które możesz wykorzystać u siebie, oszczędzając sporo czasu na pisanie kodu.
Baza wiedzy
W specjalnej przestrzeni w Notion mamy zebrane dziesiątki użytecznych linków, które dadzą Ci możliwość dalszego rozwoju.
Konsultacje Live
Dołączysz do min. 10 spotkań live ze mną oraz uczestnikami kursu. Będziemy omawiać Twoje projekty. Będziesz mógł zadać dowolne pytanie i uzyskać pomoc.
Prace domowe
Otrzymasz praktyczne zadania do wykonania, które będziemy sprawdzać, abyś mógł wdrożyć swoją wiedzę w praktyce.
Co to oznacza dla Ciebie?
Zyskasz certyfikat, który uzupełni Twoje CV i pomoże Ci znaleźć lepszą pracę. Albo będzie punktem do negocjacji podwyżki.
Dzięki społeczności będziesz mógł znaleźć w jednym miejscu zebraną wiedzę z wielu różnych firm.
Dowiesz się jak skutecznie dbać o swój rozwój w ML i zyskasz umiejętności potrzebne do samodzielnej realizacji dużych projektów.
Wspólnie zrealizujemy kilka projektów, które możesz wpisać w swoje portfolio. Poznasz ciekawe, nieintuicyjne i praktyczne wykorzystanie najnowszych modeli AI.
Zdobędziesz wartościową wiedzę, której nie ma na uczelniach ani w kursach online, takich jak Coursera czy Udemy.
A przede wszystkim zagwarantujesz sobie pozycję na rynku pracy Data Science, gdzie zarobki sięgają 20-30 tys. zł miesięcznie.
Dołączam do szkolenia!
Więcej opinii od osób, którzy już sprawdzili szkolenie
Mateusz Wąsalski
Artur Fejklowicz
Ćwiczenia praktyczne oparte na rzeczywistych problemach pozwoliły mi prześledzić każdy etap tego procesu w praktyce. Szczególnie doceniam przekrojowe omówienie różnorodnych technik i architektur.
Łukasz
Onwelo
Kurs jest dobrze zbalansowany między ilością teorii i praktyki, czyli poruszone są główne aspekty teoretyczne, podane są linki do wyjaśnień bardziej szczegółowych zagadnień.
Ilona
AXA Switzerland
Kurs Machine Learning Mastery to przede wszystkim dawka bardzo praktycznej wiedzy podanej w przystępnej formie. Z uczeniem maszynowym miałem do czynienia już w trakcie studiów, ale to tutaj dowiedziałem się o wielu technicznych oraz biznesowych aspektach zrealizowania projektu pomijanych na uczelniach. Autor tłumaczy wszystkie zagadnienia w zrozumiały sposób, a dodatkową zaletą kursu są dostarczone materiały. Myślę, że ten kurs to bardzo dobra inwestycja w wiedzę. Serdecznie polecam.
Jan
???
Czy ja naprawdę potrzebuję programu Machine Learning Mastery?
Może da się rozwinąć bez tego?
Oczywiście, że się da!
Oto lista rzeczy, które możesz zrobić, zamiast wdrażania wiedzy z programu Machine Learning Mastery:
Oczywiście, że się da!
Oto lista rzeczy, które możesz zrobić, zamiast wdrażania wiedzy z programu Machine Learning Mastery:
Uczyć się metodą prób i błędów, dochodząc do stanowiska Eksperta przez wiele lat.
Namówić bardziej doświadczonych kolegów, by przekazali Ci swoją wiedzę.
Szukać wiedzy na Youtube, grupach i forach.
Korzystać z innych kursów, które jednak uczą tylko teoretycznych zagadnień.
Program Machine Learning Mastery da Ci wiedzę, jak samodzielnie i skutecznie realizować projekty AI i jak zdobyć pracę w tej dziedzinie.
Aby zdobyć tę wiedzę, zamiast wielu lat prób i błędów, wystarczy, że poświęcisz 1 godzinę dziennie przez 10 tygodni kursu.
Dołączam do szkolenia!
Kurs obecnie nie jest w sprzedaży.
Zapisz się na listę oczekujących.
Często zadawane pytania i odpowiedzi
Dla wszystkich, którzy chcą pracować przy rozwijaniu algorytmów AI na takich stanowiskach jak Data Scientist, czy AI Engineer, nawet jeśli obecnie nie mają żadnych podstaw ani nie ukończyły studiów technicznych. Wielu kursantów również to juniorzy Data Science, którzy mają podstawy, ale szukają więcej praktycznej wiedzy.
Tak, przechodząc do płatności możesz wybrać opcję rat miesięcznych (maksymalnie 50 rat).
Obecnie zmienił się sposób wejścia do branży, większość kodu jest generowane przez AI. Większość kursów ma przestarzałe metody. Również brakuje w nich praktycznego podejścia i realizowania realnych projektów. Dodatkowo tutaj jest kontakt z prowadzącym i uczestnikami oraz podaję wskazówki, jak zdobyć pierwszą pracę.
Nie, nauczę Cię wszystkiego od całkowitych podstaw. Ale jeśli już programujesz, możesz pominąć wprowadzenie i przejść do zaawansowanych lekcji.
Masz dostęp do większości modułów kursu i bonusu, ale wciąż pojawiają się nowe materiały. Możesz przerabiać moduły kursu w dowolnej kolejności.
Tak, przy zakupie każdy uczestnik może wybrać opcję faktury. Można podać dane firmy i odliczyć VAT (23%).
Napisz do mnie na adam.dobrakowski@praktycznyml.pl
Zwykle nowe grupy przyjmuję co ok. 3-4 miesiące, jednak z racji na inne moje projekty nie mogę Ci dać gwarancji. Warto już teraz wykupić sobie dostęp, a materiały możesz zrealizować nawet za kilka miesięcy, gdyż cena kursu stale rośnie.
Materiały otrzymujesz dożywotnio. Będą one dostępne na platformie co najmniej do końca roku 2025. Jeśli później nie będzie ich na platformie, dam Ci dostęp w inny sposób. Co więcej, możesz uczestniczyć w spotkaniach live z każdą kolejną grupą.
Większość wiedzy z kursu jest ponadczasowa, gdyż takie rzeczy, jak zasady wizualizacji, sposoby komunikacji z biznesem, zbieranie potrzeb, czy zasady działania różnych algorytmów, nie zmieniają się tak często. Natomiast przy większych zmianach nagrywane są aktualizacje.
Dni i godziny spotkań ustalamy po uformowaniu się grupy. Jest to jeden dzień w miesiącu w godzinach wieczornych.
Tak. Każde spotkanie jest nagrywane.
Samo odsłuchanie materiałów wideo zajmie Ci ok. 30 minut dziennie (5 dni w tygodniu). Do tego dochodzą zadania praktyczne i spotkania live. Jeśli zatem chcesz zrealizować program w 10 tygodni, potrzebujesz około godziny dziennie. Ale możesz też rozłożyć sobie naukę na przykład na 20 tygodni. Ważna jest regularność.
Zadania praktyczne piszemy w Pythonie w Jupyter Notebooks. Korzystamy z takich bibliotek, jak Scikit-learn, Pandas, Matplotlib, XGBoost, Seaborn czy SHAP. Łączymy się też przez API do OpenAI oraz korzystamy z wytrenowanych modeli HuggingFace. Przy wdożeniu modeli korzystamy z bibliotek logging oraz sqlite3.
Masz pytanie? Napisz do mnie!
Wyślij wiadomość