Kompletny kurs AI dla Devów

Kompletny kurs AI dla Devów
7 Modułów
Ty wybierasz czego się uczysz

Wybierz swoją drogę do bycia mistrzem AI

Niezależne moduły

Kurs mistrz.ai dzieli się na 7 niezależnych modułów.
Wybierz te, które będą gamechangerem Twojej kariery zawodowej.

Holistyczna perspektywa

Prawdziwy kurs sztucznej inteligencji. Od podstaw promptowania do tworzenia gier. Od integracji po Machine Learning. Od ChatGPT do własnego oprogramowania. Z nami krok po kroku stajesz się Mistrzem AI.

Kompletne
know-how

Zamiast drętwego przynudzania, gwarantujemy konkretne, praktyczne, świeże szkolenie z AI. Eksperckość to także sztuka przekazywania wiedzy.

100% online

Każdy moduł jest realizowany w 100% online – uczysz się z dowolnego miejsca, w najdogodniejszych warunkach.

Zastanawiasz się,
czy to dla Ciebie?

Rewolucja Ai

Rewolucja Ai

Efekty kursu

01

Rozwój

Wykorzystaj AI, zamiast biernie przyglądać się, jak robią to inni programiści. Kurs mistrz.ai to jedyne takie szkolenie ze sztucznej inteligencji dla programistów i firm. Znajdziesz w nim KOMPLETNE know-how i praktyczny przewodnik, który pozwala zaadaptować się do nowej rzeczywistości w branży IT.

02

Automatyzacja

Naucz się implementować rozwiązania AI do praktycznie każdego procesu, który jest częścią Twojej codziennej pracy. Przekonaj się, jak wiele czasu i energii zyskujesz dzięki innowacyjnym integracjom.

03

Innowacja

Twoje mistrzowskie umiejętności w dziedzinie AI są gamechangerem. Opanowanie narzędzi wykorzystujących sztuczną inteligencję stanowi najlepszą drogę do rozwoju zawodowego i skalowania dowolnego biznesu IT.

Poznaj ekspertów mistrz.ai

  • Jakub Król

  • Przemek Jóźwiakowski

  • Piotr Penar

  • Marcin Grygierek

Poznaj opinie o kursie mistrz.ai

10.000+ osób
łącznie na naszych kursach
Kamil F
Karol M.
Adam Burawski
Łukasz T.
Piotr
Marcin Radziński
Damian Jaroszek
Mateusz Wysocki
Anna
Krzysztof Szewczyk

Moduły kursu mistrz.ai

  • Moduł 01

    Mag słowa GPT

    Prowadzący: Przemek Jóźwiakowski

    Wymagane umiejętności: brak (od zera)

    • Lekcja

      Modele typu “transformer” to nie tylko “odpisywacze na maile”

      Tematy

      • Prompt engineering, który nie zna granic.
      • Znaczenie słów w nakazach, zakazach i nakierowaniach.
      • Role (np. decydent, aktor, walidator).
    • Lekcja

      Nie myśl o tym, jak o chacie, myśl o tym, jak o runtime

      Tematy

      • Iteracyjne podejście do promptów.
      • Ograniczenie zmienności outputu.
    • Lekcja

      Funkcja NLP (ctx + input + body) => result

      Tematy

      • Koncepcja “zmiennej” w promptach.
      • Co “pakować” do roli, a co do usera.
      • Metawarstwy prompta (warstwy: roli, inspiracji, wektora kierunkowego, ograniczeń działania, rezultatu).
    • Lekcja

      W czym transformery są lepsze od standardowego kodu?

      Tematy

      • Commonsense reasoning (wykrywanie intentu, tagowanie, decyzja na podstawie ctx).
      • Information extraction (e-mail => json).
      • Personalizacja (json => e-mail).
  • Moduł 02

    Automatyzacja i optymalizacja

    Prowadzący: Przemek Jóźwiakowski

    Wymagane umiejętności: podstawy JavaScript lub Python

    • Lekcja

      Process first mindset + Automation first mindset

      Tematy

      • Jak wypracować sobie odpowiedni mindset?
      • Od czego zacząć automatyzację swojej pracy?
      • Co za dużo, to niezdrowo, czyli czego nie automatyzować.
    • Lekcja

      Do czego dobry jest człowiek, a do czego AI?

      Tematy

      • Czynności powtarzalne.
      • Kreacja i jej ocena.
      • Walidacja wzorców.
    • Lekcja

      No-code / low-code tools: Make

      Tematy

      • Pierwsze scenariusze.
      • Jak zarządzać większą liczbą scenariuszy?
      • Webhook, czyli najważniejszy blok, który musisz wymasterować.
      • OpenAI w Make i łączenie go z innymi klockami.
      • Mikroapki – serverside z ChatemGPT
    • Lekcja

      Funkcje w JS i Python na AWS Lambda z użyciem OpenAI

      Tematy

      • Uruchomienie i konfiguracja Lambdy.
      • Łączenie z Make poprzez http.
  • Moduł 03

    Asystent AI nauki programowania

    Prowadzący: Jakub Król

    Wymagane umiejętności: brak (wybrane przykłady w JavaScript, ale umiejętności są uniwersalne dla każdego języka)

    • Lekcja

      Efektywne wykorzystanie asystenta AI w codziennej pracy jako junior developer

      Tematy

      • AI jako codzienny pomocnik.
      • Wykorzystanie AI do pisania możliwie najbardziej jakościowego kodu.
      • Upewnianie się, że kod generowany przez AI jest zgodny z najnowszymi standardami danego języka (np. JS).
      • Sprawianie, że kod generowany przez AI jest dostosowany do zasad danego frameworku.
    • Lekcja

      Porównanie: wybór ChatGPT, Bing Chat, ChatGPT Plus z GPT-4 itd.

      Tematy

      • Porównanie narzędzi AI IDE, np. Tabnine.
      • Porównanie asystentów kodu, np. Copilot.
      • Porównanie przydatności chatów w generowaniu kodu.
    • Lekcja

      Wykorzystanie AI w Code Review

      Tematy

      • Stworzenie własnego asystenta, robiącego CR w Twoim kodzie.
      • Wgrywanie zasad i reguł zgodnych z Twoim stylem pisania.
    • Lekcja

      Interpretacja i optymalizacja kodu za pomocą AI

      Tematy

      • Sposób na zrozumienie kodu z pomocą AI.
      • Sposób na optymalizację własnego kodu i jego formatowania za pomocą AI.
    • Lekcja

      Identyfikacja i unikanie pułapek w kodzie generowanym przez AI

      Tematy

      • Najczęściej popełniane błędy w nauce z użyciem AI.
      • W jaki sposób rozpoznać “halucynacje AI”?
      • W jaki sposób upewnić się, że kod generowany przez AI jest bezpieczny?
    • Lekcja

      Zrozumienie zagadnień prywatności i bezpieczeństwa w kontekście korzystania z asystentów AI

      Tematy

      • Poufność, prywatność i retencja danych w każdym z rozwiązań.
      • Jak bezpiecznie wklejać kod w zewnętrzne usługi.
      • Jak wyłączyć uczenie się AI na przesyłanych przez Ciebie danych.
  • Moduł 04

    Narzędzia AI – gry, grafika, modele

    Prowadzący: Piotr Penar

    Wymagane umiejętności: dla pełnego zrozumienia modułu przydaje się doświadczenie w Unreal Engine i/lub Unity oraz znajomość OOP

    • Lekcja

      Jak AI ma się do produkcji gier?

      Tematy

      • Teoria: co rozumiemy poprzez produkcję gry.
      • Generowanie dialogów.
      • Generowanie grafiki 2D.
      • Generowanie interfejsów.
      • Generowanie elementów Game Designu.
    • Lekcja

      Jak wykorzystywać AI do generowania contentu do gier?

      Tematy

      • Jak korzystać z generatorów grafiki 2D: Midjourney, DALL-E, Leonardo, Stable Diffusion?
      • Zasady promptingu generatorów grafiki 2D.
      • Prompting modeli językowych: jak generować ciekawe scenariusze i dialogi?
      • AI a Game Design: jak projektować gry za pomocą sztucznej inteligencji?
      • Sound Design i Voice Actng tworzone przez sztuczną inteligencję.
      • Generowanie modeli 3D i tekstury.
    • Lekcja

      Rola AI w przyspieszaniu procesu tworzenia gier – integracja AI z silnikami.

      Tematy

      • Unreal Engine: AI w Blueprintach.
      • Unreal Engine: tworzenie narzędzi za pomocą AI.
      • Unity: integracja AI do silnika.
      • Praktyczne zastosowania integracji przy tworzeniu gier.
      • Tworzenie scen za pomocą AI.
      • Twój personalny, projektowy asystent AI.
    • Lekcja

      Rapid Prototyping z AI – w jaki sposób szybko walidować pomysły na gry?

      Tematy

      • Czym jest rapid prototyping?
      • Jaką pełni rolę w tworzeniu gry?
      • W jaki sposób wykorzystać wcześniej poznane narzędzia do szybkiego prototypowania?
      • Jak rozwinąć prototyp wygenerowany przez AI do pełnoprawnej gry?
    • Lekcja

      Jak małym zespołem tworzyć gry szybciej dzięki AI?

      Tematy

      • Integracja AI w kontekście zarządzania projektem.
      • Integracja AI do zarządzania GDD.
      • AI w cyklu produkcyjnym gier.
  • Moduł 05

    Integracja API OpenAI, Langchain, Huggingface, GPTs i wektorowe bazy danych

    Prowadzący: Jakub Król

    Wymagane umiejętności: JavaScript/TypeScript

    • Lekcja

      Integracja API OpenAI z oprogramowaniem

      Tematy

      • Rejestracja i uzyskanie danych do API oraz ubieganie się o dostęp do najnowszych funkcji.
      • Wdrożenie uzupełniania tekstu OpenAI.
      • Wdrożenie uzupełniania chatu OpenAI.
      • Praca z rolami, w tym „system”.
      • Własne warstwy abstrakcji na OpenAI.
    • Lekcja

      Praca z modelami językowymi GPT-3.5 Turbo i GPT-4

      Tematy

      • Rozpoznanie modeli językowych w OpenAI, w tym ich kosztów i możliwości.
      • Badanie najlepszych modeli dostosowanych do konkretnego zastosowania.
      • Finetuning w GPT.
    • Lekcja

      Omówienie innych rodzajów LLM

      Tematy

      • LLaMA – niedawno zopensourcowany LLM od Facebooka.
      • PaLM 2 oraz Google Generative AI Studio – LLM od Google.
      • gpt4all – specjalna, opensource’owa kopia OpenAI.
      • privategpt – możliwość douczenia AI na własnej bazie wiedzy.
      • Huggingface – hostowanie open source’owych modeli AI
    • Lekcja

      Tworzenie i zarządzanie promptami w AI

      Tematy

      • Sposób na poukładanie promptów we własnym programie.
      • Bezpieczne wklejanie informacji od użytkownika w prompty.
    • Lekcja

      Nowość: implementacja własnych callbacków w OpenAI

      Tematy

      • Łączenie OpenAI z własnymi źródłami danych
      • Zdalne wywoływanie funkcji przez AI, wraz z przykładami
    • Lekcja

      Nowość: tworzenie i publikowanie Custom Actions w GPTs

      Tematy

      • Tworzenie własnych wersji ChatuGPT z GPTs
      • Tworzenie własnych Custom Actions w GPTs
      • Automatyzacja tworzenia endpointów dla akcji GPTs w NestJS
      • Testowanie bez zewnętrznego serwera + zarządzanie konsekwencjami akcji
    • Lekcja

      Wykorzystywanie API Whisper do rozpoznawania mowy

      Tematy

      • Rozpoznawanie mowy
    • Lekcja

      Zrozumienie kwestii bezpieczeństwa i ochrony prywatności w kontekście AI

      Tematy

      • Bezpieczne korzystanie z AI w kontekście FE-BE
      • Ograniczanie niepożądanego wyjścia z kontekstu
      • Blokowanie wydania zbyt dużej ilości tokenów przez użytkowników
      • Kwestie poufności i prywatności przesyłanych danych
      • Darmowy model OpenAI Moderation
    • Lekcja

      Langchain i wektorowe bazy danych

      Tematy

      • Użycie Langchain
      • Wczytywanie dokumentów w Langchain
      • Embeddings i wektorowe bazy danych
      • Kontekstowe, inteligentne wyszukiwanie w wektorowych bazach danych
      • Łączenie wektorowych baz danych z LLMami za pomocą chainów Langchain
  • Moduł 06

    Lepszy inżynier oprogramowania dzięki AI

    Prowadzący: Przemek Jóźwiakowski

    Wymagane umiejętności: programowanie

    • Lekcja

      Jak pisać DOBRY kod w parze z chatem

      Tematy

      • Focus na wyniku.
      • Precyzyjne instrukcje.
      • Znajomość otoczenia pisania kodu.
    • Lekcja

      Projektowanie testów na podstawie istniejącego kodu i tasków

      Tematy

      • Generowanie test case’ów.
      • Generowanie tasków.
    • Lekcja

      Wspomagany AI refactor / code review

      Tematy

      • Wykrywanie code smells.
      • Wykrywanie znaczenia kodu.
      • Sugestie poprawek i planu działania.
  • Moduł 07

    Matematyka, statystyka, ML, sieci neuronowe

    Prowadzący: Marcin Grygierek

    Wymagane umiejętności: podstawy matematyki, JavaScript/TypeScript

    • Lekcja

      Co dla kogo – czy potrzebuję znać wszystko?

      Tematy

      • Co to jest machine learning i czym różni się od sieci neuronowych?
      • Jaka jest w tym wszystkim rola matematyki?
    • Lekcja

      Analiza danych

      Tematy

      • Wprowadzenie do prawdopodobieństwa.
      • Wariancja, kowariancja, odchylenie standardowe.
      • Regresja a klasyfikacja danych – czym to się różni i kiedy wykorzystywać?
      • Czym jest regresja liniowa, logistyczna, wieloraka?
      • Czym jest drzewo decyzyjne (oraz inne sposoby klasyfikacji danych).
      • Separowalność liniowa danych.
    • Lekcja

      Machine learning i sieci neuronowe

      Tematy

      • Uczenie nadzorowane i nienadzorowane.
      • Wprowadzenie i wykorzystanie narzędzia Tensorflow.
      • Optymalizacja i weryfikacja działania modeli.
      • Czym jest magia sprawiająca że sieć się uczy? Skąd wiemy że sieć jest poprawnie nauczona?
      • Propagacja wsteczna po ludzku.
      • Przygotowanie danych trenujących sieć neuronową.
      • Rodzaje sieci neuronowych – sieci jednokierunkowe i rekurencyjne.
      • Sieci jedno- i wielowarstwowe.
      • “Overfitting” i “underfitting”, czyli ostrożnie z danymi.

Wybierz moduły

Wybierz jeden lub więcej modułów, które chcesz kupić

  • Moduł 01

    Mag słowa GPT

  • Moduł 02

    Automatyzacja i optymalizacja

  • Moduł 03

    Asystent AI nauki programowania

  • Moduł 04

    Narzędzia AI – gry, grafika, modele

  • Moduł 05

    Integracja API OpenAI, Langchain, Huggingface, GPTs i wektorowe bazy danych

  • Moduł 06

    Lepszy inżynier oprogramowania dzięki AI

  • Moduł 07

    Matematyka, statystyka, ML, sieci neuronowe

Podsumowanie

Najpierw wybierz moduły, których chcesz się nauczyć.

Kontrolowany eksperyment z GitHub Copilot, wykazał, że programiści, którzy odpowiednio korzystali z tego narzędzia, wykonali swoje zadanie o 55,8% szybciej niż ci, którzy tego nie zrobili. Programiści, którzy najbardziej skorzystali na tym narzędziu, to osoby z mniejszym doświadczeniem w programowaniu, starsi programiści oraz ci, którzy programują więcej godzin dziennie​.

Badanie MIT wykazało, że korzystanie z ChatGPT poprawiło produktywność o 40% i jakość pracy o 20%.

Według raportu VOX EU CEPR zapotrzebowanie na umiejętności związane ze sztuczną inteligencją rośnie we wszystkich sektorach przemysłu i grupach zawodowych, a stanowiska wymagające takich umiejętności wiążą się z wyższą stawką wynagrodzenia o średnio 11% w porównaniu z podobnymi stanowiskami, które nie wymagają wiedzy o sztucznej inteligencji​.

Najczęściej zadawane pytania

Skontaktuj się z nami

    Dołącz do rewolucji i weź udział
    w kursie mistrz.ai