Czym jest uczenie maszynowe
Jak model uczy się z przykładów, czym różni się trening od wnioskowania i jak działa klasyfikator spamu.
Otwórz lekcjęModele AI potrafią pisać, tłumaczyć i rozpoznawać obrazy — ale jak to robią? Ten kurs pokazuje mechanikę uczenia maszynowego, rolę danych, granice modeli oraz praktykę pisania skutecznych promptów. Bez matematyki, za to z konkretami.
Dla osób ciekawych sztucznej inteligencji, które znają już podstawy informatyki — wiedzą, czym jest program, plik i internet, a teraz chcą zrozumieć, jak naprawdę działają modele AI. Nie musisz umieć programować ani znać matematyki: wszystkie pojęcia tłumaczymy na intuicjach i przykładach. Jeśli dopiero zaczynasz przygodę z IT, zacznij od kursu Podstawy informatyki — a do tego materiału wróć później.
Uczenie nadzorowane i nienadzorowane na intuicjach, trening kontra wnioskowanie oraz przykład klasyfikatora spamu — bez formuł matematycznych.
Garbage in, garbage out, uprzedzenia w danych, halucynacje modeli językowych i granice „rozumienia" tekstu przez AI.
Kontekst, rola, zadanie i format odpowiedzi; analiza słabych i dobrych promptów oraz metoda iteracyjnego ulepszania.
Kurs rozwijamy sukcesywnie — powyższe moduły to opublikowane, kompletne lekcje; kolejne pojawią się wraz z rozwojem platformy.
Jak model uczy się z przykładów, czym różni się trening od wnioskowania i jak działa klasyfikator spamu.
Otwórz lekcjęGarbage in, garbage out: skąd biorą się uprzedzenia i halucynacje oraz dlaczego AI nie rozumie jak człowiek.
Otwórz lekcjęKontekst, rola, zadanie, format i iteracja — jak formułować polecenia, by modele odpowiadały trafniej.
Otwórz lekcjęBez rejestracji i bez opłat. Wystarczy przeglądarka i odrobina ciekawości.
Rozpocznij naukę