DeepDive UG DeepDive UG Koło naukowe analizy danych i AI

Bootcamp AI/ML

Intensywny, praktyczny kurs dla osób, które chcą zrozumieć uczenie maszynowe i przejść przez cały proces budowania modelu - od danych do działającego rozwiązania.

Kurs kończy się uzyskaniem certyfikatu potwierdzającego udział w Bootcampie AI/ML.

Zapisy na rok akademicki 2026/2027 zostały zakończone. Zachęcamy do śledzenia naszej strony i mediów społecznościowych, aby dowiedzieć się o kolejnych edycjach.

Zobacz program

O kursie

Bootcamp AI/ML prowadzi uczestników od podstaw pracy z danymi do tworzenia własnych modeli predykcyjnych i sieci neuronowych. Zajęcia łączą krótkie wprowadzenia teoretyczne z ćwiczeniami i pracą nad projektem.

Poruszamy się przez pełny proces pracy nad problemem: przygotowanie danych, eksplorację, dobór modelu, trenowanie, walidację, ocenę jakości i interpretację wyników. Rozmawiamy również o data leakage, źle dobranych metrykach i innych pułapkach, które często pojawiają się w projektach ML.

AI Bootcamp 2026/2027 - program zajęć

1. Wprowadzenie do sztucznej inteligencji i przygotowanie danych

21.10.2026

Wprowadzenie do sztucznej inteligencji i uczenia maszynowego, podstawowe pojęcia oraz rodzaje uczenia. Praca z bibliotekami NumPy, Pandas i scikit-learn. Podstawy preprocessingu, czyszczenia danych i obsługi brakujących wartości.

2. Eksploracyjna analiza danych (EDA) i redukcja wymiarowości

28.10.2026

Analiza i wizualizacja danych, statystyki opisowe oraz analiza korelacji. Wprowadzenie do redukcji wymiarowości i poznanie algorytmów PCA, t-SNE oraz UMAP.

3. Klasteryzacja danych

04.11.2026

Wprowadzenie do uczenia nienadzorowanego i metod grupowania danych. Omówienie algorytmów K-Means, DBSCAN, GMM oraz klasteryzacji hierarchicznej. Ocena jakości klastrów i praktyczne zastosowania.

4. Regresja

18.11.2026

Wprowadzenie do problemów regresyjnych i przewidywania wartości liczbowych. Regresja liniowa, Ridge, Lasso oraz drzewa regresyjne. Ocena modeli z wykorzystaniem odpowiednich metryk.

Podczas spotkania przewidziana jest również krótka prezentacja działalności i rekrutacji do koła naukowego DeepDive UG.

5. Klasyfikacja

25.11.2026

Wprowadzenie do problemów klasyfikacyjnych. Regresja logistyczna, KNN, drzewa decyzyjne, Random Forest oraz SVM. Trenowanie, walidacja i ocena modeli klasyfikacyjnych.

6. Podstawy sztucznych sieci neuronowych

02.12.2026

Budowa i zasada działania sztucznych sieci neuronowych. Perceptron, sieci wielowarstwowe (MLP), funkcje aktywacji, propagacja wsteczna i optymalizacja. Budowa pierwszej sieci neuronowej w PyTorch.

7. Konwolucyjne sieci neuronowe (CNN)

09.12.2026

Wprowadzenie do przetwarzania obrazów z wykorzystaniem głębokiego uczenia. Operacje konwolucji i pooling, budowa architektur CNN oraz praktyczna klasyfikacja obrazów.

8. Duże modele językowe (LLM) i Hugging Face

16.12.2026

Wprowadzenie do dużych modeli językowych i architektury Transformer. Tokenizacja, embeddingi oraz mechanizm attention. Praktyczna praca z gotowymi modelami przy użyciu biblioteki Hugging Face Transformers.

9. Retrieval-Augmented Generation (RAG)

13.01.2027

Wprowadzenie do architektury RAG, łączącej modele językowe z wyszukiwaniem informacji. Embeddingi, wyszukiwanie semantyczne, bazy wektorowe i budowa prostego systemu odpowiadającego na pytania na podstawie dokumentów.

10. Prezentacja projektów końcowych

20.01.2027

Prezentacja projektów przygotowanych przez uczestników Bootcampu. Omówienie zastosowanych metod, uzyskanych wyników oraz napotkanych wyzwań. Podsumowanie zdobytej wiedzy i zakończenie kursu.

Projekt końcowy

Bootcamp kończy się praktycznym projektem. Podczas ostatniej edycji pracowaliśmy na archiwalnym zbiorze konkursowym Scania APS Failure, dotyczącym przewidywania awarii w systemach pojazdów ciężarowych.

Uczestnicy przygotowali dane, zbudowali i ocenili modele, a następnie porównali swoje wyniki z opublikowanymi rezultatami konkursu. To ćwiczenie pokazało, że skuteczny projekt ML wymaga nie tylko wybrania algorytmu, ale też zrozumienia danych i kontekstu biznesowego.