DWThon to seria 3-dniowych intensywnych warsztatów organizowanych przez DataWorkshop wzdłuż jednej ścieżki - od prostego promptowania do w pełni autonomicznych agentów AI. Każda edycja to konkretny artefakt produkcyjny i jeden krok wyżej.
Trzy dni. Zero instalacji. Realny artefakt na wyjściu.
To nie webinar i nie kolejny kurs do kolekcji. DWthon to stress-test na żywych danych - z gotowym środowiskiem DataWorkshop Lab, milionem tokenów i tysiącami ludzi pracujących równolegle nad tym samym problemem.
Skala 7 poziomów autonomii AI
Każdy poziom opisuje, ile pracy realnie przejmuje AI, a ile zostaje przy człowieku. DWthon prowadzi Cię przez środek tej skali - krok po kroku, na konkretnych projektach.
1
Conversational AI
Rozmawiasz z modelem przez czat. Ty prowadzisz każdy krok ręcznie.
poza DWthon
2
Programmable AI
Model zwraca dane w ustalonym formacie. Staje się funkcją w Twoim kodzie.
DWthon LLM
3
Integrated AI
AI łączy się z danymi organizacji. Wyszukuje, zanim odpowie.
DWthon RAG
4
Contextual AI
Agent pamięta między sesjami i sam wybiera, z jakich narzędzi skorzystać.
DWthon Memory · Tools
5
Strategic AI
Agent sam planuje kroki potrzebne do realizacji celu.
DWthon Agents
6–7
Meta-Autonomous → Full AI
Systemy klasy produkcyjnej, które same się doskonalą. Domena kursów premium.
poza DWthon
Żółte oznaczenie = poziom objęty którąś z edycji DWthon
mapa edycji
Wszystkie DWthony w jednej ścieżce
Każda edycja uczy konkretnej umiejętności na realnych danych - i razem składają się w jedną, spójną historię rozwoju w AI.
Kupujesz raz i wchodzisz do każdej edycji - tych dostępnych teraz i tych, które dopiero nadchodzą.
490 zł
w cenie 5 edycji
Pojedynczy DWthon kosztuje 190 zł (early bird 97 zł) - przy Season Pass wychodzi to mniej niż jedna edycja za cenę całej ścieżki.
dlaczego warto
Paradygmat, nie kolejne narzędzie
Narzędzia się zmieniają co rok. Software 3.0 to sposób myślenia, który zostaje aktualny niezależnie od tego, który model wygra ten kwartał. W DataWorkshop nie idziemy w kierunku hype'u - nie interesuje nas to, co głośne. Dajemy wiedzę sprawdzoną w praktyce, fundamentalną i odporną na to, co stanie się modne za miesiąc.
Realny artefakt, nie demo
Zabierasz ze sobą działający pipeline, mapę wiedzy albo agenta - nie slajdy z webinaru.
Zero instalacji
DataWorkshop Lab z GPU i tokenami. Wchodzisz z przeglądarką i działasz od pierwszej minuty.
Stress-test w skali tysięcy
Tysiące ludzi przetwarza te same dane równolegle. Energia live experience, nie nagranie.
Jedna ścieżka, nie przypadkowe kursy
Każda edycja to kolejny poziom autonomii AI - wiesz, gdzie jesteś i co dalej.
Ponad 10 000 osób przeszło przez nasze warsztaty od 2016 roku. Oto realne głosy uczestników DWthon RAG.
"
Zamiast iść spać, przebiegłam DWthon "RAG pod kontrolą" mini DataWorkshop maraton. I teraz siedzę po nocy, patrzę na tą rosnącą mapę wiedzy, którą wzięliśmy na warsztat - super spójną sieć znaczeń, model informacji zamiast pociętych kawałków - i myślę sobie: u nas też by się taka przydała. Brawa Vladimir za ogrom wiedzy i za super knowledge transfer.
MR
Marzena Rolik
DWthon RAG
"
Biorę udział w kolejnym DWthonie od DataWorkshop. Co mnie zaskoczyło? W końcu ktoś w prosty sposób tłumaczy, czym jest RAG. RAG to klasa systemów, która żyje na czterech poziomach: narzędzie, wariant, wzorzec, klasa. Karpathy pokazał wariant. Mapa Wiedzy to wzorzec. Baza wektorowa to narzędzie. To dobry kierunek w prostowaniu pojęć.
PŚ
Paweł Świerblewski
DWthon RAG
"
3x DWthon = AI Stack na nowym poziomie. Zamiast AI-magii wybieram inżynierską kontrolę. LLM Engineering: Bielik LLM, structured outputs i deterministyczność w produkcji. RAG: Metadata extraction i multi-stage retrieval. To był bardzo praktyczny cykl, który uporządkował moje podejście do rozwiązań AI.
ŁM
Łukasz Mitruk
DWthon RAG
"
Kolejny DWthon dzięki DataWorkshop zrealizowany. Tym razem pod lupę RAG, czyli poziom 3 z 7 poziomów autonomii AI w koncepcji Software 3.0. Ogrom wiedzy, którą w części już rozumiem i utrwalam, oraz wiele nowych zagadnień: Mapa Wiedzy, integracja z Obsidianem. To nie jest nauka programowania czy pisania promptów. To przemyślana i zaprojektowana metodologia podejścia do wyzwań biznesowych.
GM
Grzegorz Malicki
DWthon RAG
"
Co udało się zrobić w ramach #dwthon_RAG? Mapa Wiedzy z ponad 1400 tabel pobranych z raportów finansowych spółek z GPW, graf w Obsidianie, na którym widać powiązania między firmami, system, który znajduje odpowiedzi w danych i pokazuje, skąd je wziął. Prawdziwy RAG zaczyna się od tego, jak uporządkujesz dane - i to jest kluczowe.
AK
Arek Kozak
DWthon RAG
"
Buduję RAG-i od pewnego czasu, więc temat nie jest mi obcy. Ale dzięki warsztatowi uporządkowałem i rozszerzyłem wiedzę o kolejne elementy. Przygotowujemy dane, LLM wyciąga informacje do filtrów, zapisujemy oryginalny chunk i wyciągnięte metadane. Zastosowałem ten pomysł już w moim projekcie. Efekty są obiecujące.
ŁP
Łukasz Poźniak
DWthon RAG
"
Ukończyłam DWthon "RAG pod lupą" - 3 intensywne dni nauki, praktyki i porządkowania myślenia o tym, czym naprawdę jest RAG. Najbardziej wartościowe było dla mnie to, że zamiast samego używania narzędzi można było zrozumieć fundamenty: Structured Output, reprezentację wiedzy, parser intencji.
DW
Dorota Wojcicka
DWthon RAG
"
3 dni intensywnej pracy z LLM-ami zakończone certyfikatem. Kilka rzeczy, które szczególnie ze mną zostaną: RAG to faktycznie system, nie mechanizm - samo chunking i vector DB rzadko wystarcza. Retrieval bez bazy wektorowej? Da się - i w wielu przypadkach jest wystarczająco skuteczny. Mapa wiedzy w Obsidianie robi wrażenie, zwłaszcza przy eksploracji powiązań.
AM
Adriana Michalik
DWthon RAG
"
Przez 3 dni w pocie czoła budowałem własną bazę wiedzy od zera - 1400+ tabel finansowych, graf połączeń w Obsidianie, retrieval bez bazy wektorowej. Największe odkrycie? Przetworzone dane to zupełnie inna jakość dla modelu niż surowe. To jest różnica między rozumieniem AI a używaniem AI.
MP
Marcin P.
DWthon RAG
"
Po 3 dniach widzę RAG dużo szerzej niż na starcie. Structured Output, Mapa Wiedzy i parser intencji świetnie pokazują, że tu nie chodzi o hype, tylko o fundamenty pracy z wiedzą.
WT
Wiktor Tarnowski
DWthon RAG
"
DWthon Software 3.0 (RAG) - 3-dniowy, intensywny kurs od DataWorkshop. Od projektowania reprezentacji danych, przez ekstrakcję ustrukturyzowanych metadanych, budowę Knowledge Map w Obsidianie, po wieloetapowy retrieval i generowanie odpowiedzi z cytowaniami na realnych raportach spółek GPW. Dużo praktyki i konkretów w budowie wiarygodnych, kontrolowalnych rozwiązań opartych o LLM.
ML
Magdalena Lipka
DWthon RAG
"
Jestem po 3-dniowym szkoleniu DWthon "RAG pod lupą". To było super doświadczenie, bardzo dobrze spędzony czas. Zrozumiałem, że RAG zaczyna się od reprezentacji danych i zobaczyłem, jak należy to projektować. Zbudowałem solidny retrieval dla danych 7 spółek GPW. AI, LLM to nadal część IT i świata inżynierii, a nie magii.
RL
Rafał Lachowicz
DWthon RAG
"
Sporo frajdy i kilka wniosków po 3 dniach: naiwny RAG często zawodzi, bo pomija etap projektowania reprezentacji danych. Structured Output pozwala utrzymać kontrolę nad formatem i znaczeniem odpowiedzi. Mapa Wiedzy w Obsidianie pokazuje relacje między danymi - grafowa struktura ułatwia analizę powiązań i kontekstów. Efekt: działający prototyp i konkretne obserwacje do dalszej pracy.
AD
Anna D.
DWthon RAG
co dalej
DWthon to wejście. Nie cała droga.
Po przejściu ścieżki DWthon naturalnym kolejnym krokiem są nasze flagowe programy.
Każda edycja DWthon adresuje inny poziom autonomii AI i inny problem inżynierski - od structured output (LLM), przez mapy wiedzy (RAG), po pamięć i narzędzia agenta (Memory, Tools). Wszystkie korzystają z tego samego formatu: 3 dni, zero instalacji, realny artefakt na wyjściu.
Czy muszę przejść poprzednie DWthony, żeby dołączyć do nowego?
Nie. Każda edycja jest zaprojektowana tak, żeby dało się do niej dołączyć samodzielnie. Znajomość poprzednich edycji pomaga zrozumieć szerszy kontekst, ale nie jest wymogiem technicznym.
Ile czasu muszę poświęcić?
Orientacyjnie 60–90 minut dziennie przez 3 dni. Lab jest dostępny 24/7, więc działasz w swoim rytmie - rano, wieczorem albo w nocy, jeśli tak wolisz.
Czy to sprzedażowy webinar?
Nie. To warsztat techniczny z realną pracą na realnych danych. Na koniec pokazujemy, dokąd można pójść dalej (Praktyczny LLM, Agentic AI), ale sam DWthon jest samodzielną wartością edukacyjną.
Co po DWthonach?
Poziomy 2-3 prowadzą do kursu Praktyczny LLM, poziomy 4-5 do Agentic AI. Pełna ścieżka DWthon daje fundament, na którym te programy budują dalej.
Czy Season Pass jest opłacalny, jeśli interesuje mnie tylko jedna edycja?
Jeśli wiesz, że chcesz przejść tylko jedną edycję - wybierz ją pojedynczo. Pass ma sens, gdy planujesz przejść więcej niż 2-3 edycje albo nie jesteś jeszcze pewny, które poziomy będą Ci potrzebne.
Nie programuję. Jestem managerem / analitykiem. Dam radę?
Tak, jeśli chcesz zrozumieć, a nie tylko odhaczać. Dostajesz gotowe notebooki, instrukcje krok po kroku i wsparcie na Slacku. Twoje zadanie: uruchamiać, testować, analizować wyniki, myśleć.
Czy potrzebuję mocnego komputera albo karty graficznej?
Nie. Cała ciężka praca dzieje się w DataWorkshop Lab w chmurze (GPU, modele, API). Potrzebujesz tylko przeglądarki i stabilnego internetu.
Czy będą nagrania?
Tak, materiały wideo i tekstowe zostają z Tobą. Dostęp do samego DataWorkshop Lab (GPU + tokeny) jest aktywny tylko w trakcie edycji i krótko po niej.
Czy otrzymam certyfikat?
Tak, dla uczestników, którzy ukończyli co najmniej 80% zadań w danej edycji.
Byłem już na poprzednich DWthonach. Będzie za łatwe?
Każda edycja adresuje inny poziom autonomii AI, więc materiał nie powtarza się. Im więcej edycji za sobą masz, tym łatwiej Ci wejść w kolejną, ale każda wprowadza nowy zestaw umiejętności.