Poznaj proces budowy modelu od A do Z i wskocz na wyższy poziom swojej kariery 🚀
Aktualnie zapisy są zamknięte. Kliknij, by dostać powiadomienie o kolejnej edycji.
Jeśli Twoim marzeniem jest praca w Data Science, gdzie:
- wykorzystujesz najnowsze technologie i budujesz zaawansowane modele Machine Learning,
- potrafisz wykonać cały proces - od zebrania potrzeb, przez analizę danych aż do wdrożenia rozwiązania,
- Twoje modele pomagają ludziom, rozwiązując trudne problemy,
- a do tego zarabiasz 20-30 tys. zł miesięcznie,
to czytaj dalej - bo to program dla Ciebie.
Zabiorę Cię w drogę od Data Scientista do samodzielnego Eksperta.
Ludzie z większym doświadczeniem w ML niechętnie się dzielą swoją wiedzą. Lub w ogóle nie masz dostępu do takich osób.
Nikt Cię nie uczył, jak komunikować się z biznesem, jak prezentować wyniki i na co zwrócić uwagę.
Czujesz, że w projekcie stoisz w miejscu lub kręcisz się w kółko; nie wiesz, kiedy przestać optymalizować bardziej swoje wyniki i frustruje Cię, że Twoje modele nie są używane w praktyce.
Stworzyłem ten kurs, by Ci pomóc.
MOJA HISTORIA
Działam w Data Science już od 8 lat. Podstawy zyskałem na studiach, później ukończyłem wiele kursów, które dały mi solidny warsztat techniczny.
Jednak już w pierwszej pracy zaczęło mnie frustrować, że moje modele nie przekładają się na faktyczne wdrożenia. Nie potrafiłem nawet zadać odpowiednich pytań, by odpowiedzieć na potrzebę biznesową. Zrozumiałem, że samo maksymalizowanie metryk modelu to nie wszystko.
W kolejnych pracach, gdy byłem coraz bliżej rzeczywistych problemów, wraz z awansem na wyższe stanowiska prowadziłem setki rozmów z klientami na temat modeli Machine Learning. Współpracowałem z dziesiątkami Data Scientistów, poznając ich wyzwania na różnym etapie, mentorując, ucząc i pracując nad wspólnym kodem.
Z czasem postanowiłem zacząć się dzielić swoim doświadczeniem na blogu praktycznyml.pl oraz na LinkedIn. Docelowo, opakowałem dużo więcej wiedzy w ten program, by Ci dać wiedzę, jakiej wcześniej nie znalazłem.
Obecnie prowadzę swoją firmę COGITA, w której wdrażam najnowocześniejsze rozwiązania ML do firm. I mam dobrą wiadomość.
Niedługo i Ty możesz zostać samodzielnym ekspertem Machine Learning!
ADAM GABRIEL DOBRAKOWSKI
Chcę Ci pomóc osiągnąć Twoje CELE!
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 ML, od A do Z, by dojść do wymarzonej pracy w Data Science
z zarobkami nawet 20-30 tys. PLN miesięcznie!
PROGRAM KURSU
Moduły, które w nim znajdziesz
Lista lekcji
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.
Moduł 1: Fundamenty i strategia
1. Powitanie, o mnie, plan gry i jak studiować.
2. Zrozumienie potrzeby biznesowej - dlaczego?
3. Jaki problem, jak jest teraz, sposób interakcji.
4. Forma interakcji, KPI, oczekiwana skuteczność.
5. Ograniczenia, inne oczekiwania, dane, ludzie.
6. Planowanie projektu ML.
7. Komunikacja w projekcie.
8. Przykład praktyczny - Kaggle.
9. Praca domowa.
Lista lekcji
Moduł 1: Fundamenty i strategia
Moduł 2: 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.
Moduł 1: Fundamenty i strategia
Moduł 3: 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.
Lista lekcji
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
Moduł 1: Fundamenty i strategia
Moduł 4: Praca nad modelem - zaawansowany ML
Lista lekcji
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.
Moduł 1: Fundamenty i strategia
Moduł 5: Szlifowanie modelu
Lista lekcji
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.
Moduł 1: Fundamenty i strategia
Moduł 6: Wdrożenie i przetestowanie modelu
Lista lekcji
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
Moduł 1: Fundamenty i strategia
Moduł 7: Własny rozwój
Lista lekcji
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.
Moduł 1: Fundamenty i strategia
Bonus! Kariera w Data Science
Dowiesz się, jak planować swoją karierę, jak znaleźć pracę marzeń i co zrobić, by przejść nawet najtrudniejszy proces rekrutacji.
Oto, co otrzymasz w programie
Machine Learning Mastery
Otrzymasz 7 modułów lekcji video, łącznie prawie 20 godzin nagrań lekcji nasyconych ekspercką wiedzą.
Checklisty na każdy etap projektu, dzięki którym nie zapomnisz o żadnym etapie w swoich projektach.
Gotowe 17 notatników z kodem, które możesz wykorzystać u siebie, oszczędzając sporo czasu na pisanie kodu.
Będę dostępny, by odpowiedzieć na wszystkie Twoje pytania dotyczące projektu, z którym teraz się mierzysz.
W naszej grupie na Facebooku są osoby takie jak Ty, które chętnie Ci pomogą.
Otrzymasz praktyczne zadania do wykonania, które będziemy sprawdzać, abyś mógł wdrożyć swoją wiedzę w praktyce.
W specjalnej przestrzeni w Notion mamy zebrane dziesiątki użytecznych linków, które dadzą Ci możliwość dalszego rozwoju.
Cotygodniowe spotkania live z kursantami to dynamiczne sesje, pełne interakcji i praktycznych przykładów. Razem będziemy omawiamy rozwiązania prac domowych oraz własne projekty kursantów.
Jaką korzyść odniesiesz?
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.
Wspólnie zrealizujemy cały projekt. Poznasz ciekawe, nieintuicyjne wykorzystanie najnowszych modeli NLP i innych.
Zdobędziesz wartościową wiedzę, której nie ma na uczelniach ani w kursach online, takich jak Coursera czy Udemy.
Dowiesz się jak skutecznie dbać o swój rozwój w ML i zyskasz umiejętności potrzebne do samodzielnego prowadzenia dużych projektów.
Zagwarantujesz sobie pozycję na rynku pracy Data Science, gdzie zarobki sięgają 20-30 tys. zł miesięcznie.
Przykładowe lekcje
Nie kupuj kota w worku. Zanim zdecydujesz o zakupie zobacz przykładowe lekcje i zdecyduj, czy ten kurs jest dla Ciebie.
Co to jest ensemblacja modeli? Techniki uśredniania/głosowania, bagging, boosting, stacking.
ENSEMBLACJE MODELI
Poznaj zasady poprawnego prezentowania i wizualizacji danych.
WIZUALIZACJA I PREZENTOWANIE DANYCH
1
2
3
Czy ja naprawdę potrzebuję programu Machine Learning Mastery? Może da rozwinąć bez tego?
4
Korzystać z innych kursów, które jednak uczą tylko teoretycznych zagadnień.
Szukać wiedzy na grupach i forach.
Namówić bardziej doświadczonych kolegów, by przekazali Ci swoją wiedzę.
Uczyć się metodą prób i błędów, dochodząc do stanowiska Eksperta przez wiele lat.
Oczywiście, że się da!
Oto lista rzeczy, które możesz zrobić, zamiast wdrażania wiedzy z programu Machine Learning Mastery:
Program Machine Learning Mastery da Ci wiedzę, jak samodzielnie i skutecznie poprowadzić projekt ML, zbierając odpowiednią wiedzę i dobierając właściwe narzędzia.
Aby zdobyć tę wiedzę,
zamiast wielu lat prób i błędów,
wystarczy, że poświęcisz 1 godzinę dziennie przez 7 tygodni kursu.
Podsumujmy: co otrzymasz,
kupując dostęp do programu?
7-tygodniowy program Machine Learning Mastery: Wartość 2495 PLN
Dostęp do bazy wiedzy, checklist, notatników z kodem: Wartość 497 PLN
Dożywotni dostęp do grupy na Facebooku "Machine Learning Mastery": Wartość: 197 PLN
Bonus "Kariera w ML": Wartość: 89 PLN
Cotygodniowy Live Call ze studentami: Wartość 1400 PLN
Łączna wartość programu: 4678 PLN
Poznaj opinie kursantów:
Udział w kursie pozwolił mi znacznie poszerzyć moje horyzonty, jeśli chodzi o podejście do projektu ML. Największą wartością kursu jest przedstawianie poszczególnych tematów w sposób bardzo praktyczny, z nastawieniem na realia biznesowe. Bardzo porządkujące pracę i ułatwiające naukę są też udostępnione check-listy, które można przechodzić punkt po punkcie.Dzięki kursowi otrzymujemy wiele wskazówek, jak świadomie i w sposób przemyślany dalej się rozwijać w branży.
Dominik, Onwelo
Jestem na początku mojej ścieżki zawodowej w dziedzinie ML. Przed kursem miałam trochę teoretycznej wiedzy na temat podstawowych algorytmów ML i bardzo mało praktyki. Nie wiedziałam jak cały projekt wygląda od początku do końca, co się dzieje po wytrenowaniu modelu. Byłam przytłoczona ilością informacji w internecie i nie wiedziałam za co się chwycić.Kurs jest dobrze zbalansowany między ilością teorii i praktyki, czyli poruszone są główne aspekty teoretyczne, podane są linki do wyjaśnień bardziej szczegółowych zagadnień, a główna uwaga jest skupiona na dużej ilości praktyki, której tak mi brakowało.Najważniejsze co dał mi kurs, to ustrukturyzowanie wiedzy o projekcie ML: jakie są etapy, w której kolejności je realizować, gdzie szukać dodatkowej informacji na dany temat. Bardzo pomocne są udostępnione check-listy, które porządkują wiedzę, przeprowadzają krok po kroku przez cały proces tworzenia projektu i nie dają się pogubić. Także dzięki ogromnej ilości linków do dodatkowej wiedzy w kursie wiem czego mam się nauczyć dalej żeby stopniowo pogłębiać swoją wiedzę i unikam przytłoczenia 🙂
Udział w konkursie na Kaggle dodał nutkę rywalizacji i jeszcze bardziej zaangażował do nauki i rozwoju. Bardzo pomocne też były cotygodniowe spotkania live, na których Adam odpowiadał na wszystkie pytania i udzielał pomocy. Dzięki pozytywnemu feedbackowi od Adama jestem jeszcze bardziej zmotywowana do rozwoju 🙂Serdecznie polecam kurs "Machine Learning Mastery" i dziękuję za otrzymaną wiedzę!
Ilona
Cieszę się, że dołączyłem do kursu. Zwiększyłem swoja wiedzę nt. ML i jednocześnie dowiedziałem się, że swoje trzeba 'wystukać' kodu, żeby być sprawnym w tej dziedzinie 😀.
Na pewno dowiedziałem się jak pewne algorytmy działają i jak mógłbym je zastosować w swojej pracy. Podobały mi się bardzo praktyczne rady z doświadczenia biznesowego - to na pewno jest duża wartość tego kursu. Rozwój z ML i Kariera, to fajny zamysł, żeby dodać rozwojowe tematy - rozwój osobisty w każdej dziedzinie jest mega cenny 😀.
Dla mnie to takie unikalne wartość na rynku kursów ML.
Jakub, EY
Serdeczne dzięki, kurcze bardzo się cieszę, że trafiłem na ten kurs. Jak to dobrze czuć plecy, i mieć się do kogo zwrócić z problemem, a nie ślęczeć przed dokumentacją albo Stackoverflow tudzież "Chat GPT" czy "Google Bard". Bardzo mi brakowało takiej rozmowy i też z innymi uczestnikami... ekstra dzisiaj było na live. Dziękuję również za pomoc i pokierowanie oraz prośbę o zastosowanie wiedzy od razu - myślę że to jest kluczowe aby robić postępy.
Artur, AXA Switzerland
Adam jasno i konkretnie wyraża myśli, więc można od niego szybko chłonąć wiedzę. Jeśli ktoś szuka głębszego spojrzenia na Machine Learning, to polecam.
Krystian, RTB House
Pomoc ze strony Pana Adama polegała na weryfikacji moich mocnych i słabych stron. Upewniłem się odnośnie tego, czego nie muszę się uczyć oraz zostałem ukierunkowany w stronę dalszego rozwoju. Pomogło mi to w znalezieniu pierwszej pracy w IT
Opinie o innych moich programach
Kacper
Pan Adam dał mi się poznać jako osoba bardzo dobrze zorganizowana, przy tym zawsze należycie przygotowana merytorycznie do każdego zaplanowanego wystąpienia. Jego umiejętność dopasowania się do potrzeb zespołu, w celu przeprowadzenia prelekcji w taki sposób, aby uczestnicy mogli jak najwiecej z niej wynieść - niewątpliwie zasługuje na pochwałę!
Krystian
Adam Dobrakowski to zorganizowana osoba która zawsze jest merytorycznie przygotowana. Potrafi mówić w taki sposób, by każdy zrozumiał sens i przekaz tego co jest tematem wykładu.Jestem bardzo zadowolony z korzystania z jego umiejętności przekazywania wiedzy.
Poziom merytoryczny wypowiedzi Adama jest bardzo wysoki i jest sam w sobie oryginalny. Dlaczego? Bo istnieje dużo materiałów w internecie typu "roadmapa", tutaj materiał nie jest materiałem "kopiuj-wklej" i to duży atut. Uwagę widza przyciąga dbałość o szczegóły - ubiór, gestykulacja, przekaz, wystrój sali (biblioteczka za prowadzącym) - duży plus.
Adrian
Tomasz
Ale czy to na pewno jest dla mnie?
Nie jest dla Ciebie, jeśli:
Jest dla Ciebie, jeśli:
Przygotowałem te materiały tak, aby Ci dały 10x więcej wartości niż oczekujesz. Jeśli jednak z jakichś powodów kurs nie spełni Twoich oczekiwań, to wystarczy, że napiszesz na adres adam.dobrakowski@praktycznyml.pl i zwrócę Ci 100% Twoich pieniędzy. Masz na to 30 dni.
MOJA GWARANCJA
Często zadawane pytania i odpowiedzi
Dla kogo jest ten program?
Dla osób, które znają podstawy Data Science / Machine Learning (na przykład uczyły się same, ukończyły inny kurs, czy bootcamp), ale nie mają dużo praktycznego doświadczenia.
Czy mogę opłacić kurs później? Nie mam w tej chwili takiej kwoty.
Jest taka opcja. Napisz do mnie na adam.dobrakowski@praktycznyml.pl i ustalimy dalsze kroki.
Czym ten kurs wyróżnia się na tle innych, np. z Coursery lub Udemy?
Większość dostępnych kursów dotyczy podstaw. Poza tym skupiają się głównie na technicznych aspektach. Nie rozwiązują wielu praktycznych problemów, takich jak odpowiedni dobór modelu, czy sposób przedstawiania wyników i nie podchodzą całościowo do projektu ML. Dodatkowo tutaj jest kontakt z prowadzącym i uczestnikami.
Czy muszę znać Pythona?
Nawet bez znajomości programowania wyniesiesz dużo cennej wiedzy z tego programu. Jednak aby zrealizować go w 100% i wykonać prace domowe, musisz umieć analizować dane i budować modele (niekoniecznie w Pythonie). Kod tworzony w czasie programu jest w Pythonie. Możesz też kupić dostęp teraz, a programowania uczyć się w międzyczasie. Potrzebujesz w tym pomocy? Napisz do mnie.
Czy od razu dostanę dostęp do całego kursu?
Tak, masz dostęp do wszystkich modułów kursu i bonusu, więc możesz przerabiać moduły kursu w dowolnej kolejności.
Potrzebuję fakturę. Czy ją dostanę?
Tak, po zakupie każdy uczestnik dostanie fakturę. Można podać dane firmy.
Co jeśli mam z czymś problem lub coś jest niejasne?
Napisz do mnie na adam.dobrakowski@praktycznyml.pl
Nie mogę teraz dołączyć. Kiedy będzie kolejna edycja?
Zwykle nowe grupy przyjmuję co ok. 2 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.
Jak długo będę mieć dostęp do materiałów?
Materiały otrzymujesz dożywotnio. Będą one dostępne na platformie co najmniej do końca roku 2024. Jeśli później nie będzie ich na platformie, dam Ci dostęp w inny sposób. Co więcej, możesz uczestniczyć w spotkaniach live z każdą kolejną grupą.
Czy materiały będą aktualizowane?
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, np. pojawiły się już materiały dotyczące wykorzystania ChatGPT do analizy danych.
Kiedy będą się odbywać spotkania live?
Dni i godziny spotkań ustalamy po uformowaniu się grupy. Zwykle nie ma problemu ze znalezieniem terminu, który pasuje wszystkim zainteresowanym.
Czy spotkania live będą nagrywane?
Tak. Każde spotkanie jest nagrywane i co tydzień wysyłany jest do kursantów link z nagranym spotkaniem Live.
Ile czasu potrzebuję, żeby przerobić kurs?
Samo odsłuchanie materiałów wideo zajmie Ci ok. 30 minut dziennie (5 dni w tygodniu). Do tego dochodzi cotygodniowy live 60 minut i praca domowa - również ok. 60 minut w tygodniu. Jeśli zatem chcesz zrealizować program w 100%, potrzebujesz około godziny dziennie przez 7 tygodni.
Z jakich narzędzi i technologii ML będziemy korzystać?
Zadania praktyczne piszemy w Pythonie w Jupyter Notebooks. Korzystamy z takich bibliotek, jak Scikit-learn, Pandas, Matplotlib, XGBoost, Seaborn czy SHAP. Przy wdożeniu modeli korzystamy z bibliotek logging oraz sqlite3.
Dołącz do listy oczekujących, by dostać powiadomienie o kolejnej edycji i otrzymać ciekawy prezent!
Wejdź teraz na swoją skrzynkę mailową i potwierdź chęć zapisania na listę oczekujących.
adam.dobrakowski@praktycznyml.pl
MASZ PYTANIA? nAPISZ DO MNIE
