Poziom: średniozaawansowany 3 darmowe lekcje ok. 100 min nauki

Sztuczna inteligencja

Modele 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.

Rozpocznij lekcję 1

Dla kogo jest ten kurs?

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.

Czego się nauczysz?

  • Czym jest uczenie maszynowe i czym różni się od tradycyjnego programowania
  • Jaką rolę odgrywają dane treningowe i dlaczego ich jakość decyduje o jakości modelu
  • Czym są uprzedzenia (bias) i halucynacje modeli językowych — i jak je rozpoznawać
  • Dlaczego AI „nie rozumie" tekstu tak jak człowiek i co z tego wynika w praktyce
  • Jak pisać skuteczne prompty metodą rola–zadanie–format i ulepszać je iteracyjnie

Program kursu

  1. Uczenie maszynowe — jak komputer uczy się z przykładów

    Uczenie nadzorowane i nienadzorowane na intuicjach, trening kontra wnioskowanie oraz przykład klasyfikatora spamu — bez formuł matematycznych.

  2. Dane i ograniczenia — skąd biorą się błędy AI

    Garbage in, garbage out, uprzedzenia w danych, halucynacje modeli językowych i granice „rozumienia" tekstu przez AI.

  3. Praca z modelami językowymi — prompt engineering

    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.

Darmowe lekcje wprowadzające

DarmowaLekcja 1

Czym jest uczenie maszynowe

Jak model uczy się z przykładów, czym różni się trening od wnioskowania i jak działa klasyfikator spamu.

Otwórz lekcję
DarmowaLekcja 2

Dane, modele i ograniczenia AI

Garbage in, garbage out: skąd biorą się uprzedzenia i halucynacje oraz dlaczego AI nie rozumie jak człowiek.

Otwórz lekcję
DarmowaLekcja 3

Prompt engineering w praktyce

Kontekst, rola, zadanie, format i iteracja — jak formułować polecenia, by modele odpowiadały trafniej.

Otwórz lekcję
Uczysz się bez konta: lekcje otwierasz bez rejestracji, logowania i podawania danych. Cały materiał jest darmowy.
Gotowy na start?

Zacznij od lekcji 1 — to zajmie ok. 30 minut

Bez rejestracji i bez opłat. Wystarczy przeglądarka i odrobina ciekawości.

Rozpocznij naukę