Start 21 kwietnia | 3 dni | działasz swoim tempem
W 3 dni zbudujesz Mapę Wiedzy z kontrolą jakości - zabierz wyniki ze sobą.
Dołącz teraz - 1000 bezpłatnych miejsc.
Największy stress test
RAG w Polsce
7 spółek z GPW. 1400+ tabel finansowych. Bielik. Graf. GitHub + Obsidian.
Vladimir
Alekseichenko
Alekseichenko
10 000+
alumni DataWorkshop
uczymy AI od 2016 r.
uczymy AI od 2016 r.
DWthon | Software 3.0
Zero Instalacji. 100% praktyki
Start: 21 kwietnia | 3 dni | Działasz w swoim rytmie
Po 3 dniach otworzysz Obsidian i
zobaczysz swoją bazę wiedzy.
zobaczysz swoją bazę wiedzy.
- ❌ Nie slajdy.
- ❌ Nie notatki z wykładu.
- ✅ Graf wiedzy z realnych sprawozdań finansowych - z metadanymi, powiązaniami i źródłami.
- ✅ Na Twoim GitHubie. Pod Twoją kontrolą.
Rozwijasz go dalej na własnych danych. To zostaje z Tobą długo po tym, jak DWthon się skończy.
Co otrzymujesz od nas na start?
1M tokenów w pakiecie
Potężna pula na Twoje eksperymenty (bez dopłat).
DataWorkshop Lab
Zero instalacji. Gotowe środowisko chmurowe. Wchodzisz i działasz.
Realna wiedza
1400+ tabel finansowych z GPW.
7 spółek. Realne sprawozdania za 2023. PDF, Markdown, JSON - gotowe do pracy.
7 spółek. Realne sprawozdania za 2023. PDF, Markdown, JSON - gotowe do pracy.
Realny wpływ
Po 3 dniach otworzysz Obsidian i
zobaczysz swoją bazę wiedzy.
zobaczysz swoją bazę wiedzy.
Cel DWthon: Zmierzyć się z najtrudniejszym zadaniem w RAG - tym, które wszyscy omijają
Budowanie reprezentacji wiedzy jest trudne. Model się myli. Tabele mają niuanse. Struktura się psuje.
Właśnie dlatego większość szła na skróty: chunking, baza wektorowa i szukanie narzędzia, które "zrobi to za mnie" - LangChain, kolejny framework, cokolwiek modnego w tym tygodniu.
Na DWthonie podejdziesz do tego świadomie. W 3 dni nie staniesz się ekspertem - ale zobaczysz, gdzie naprawdę leży różnica między demo a produkcją.
Twoja Mapa Wiedzy - zabierasz ze sobą
Pobierz z GitHuba. Otwórz w Obsidianie.
Zobacz graf wiedzy z metadanymi, powiązaniami i źródłami.
Rozwijaj dalej - na własnych danych, kiedy chcesz, ile chcesz.
Dlatego post Karpathy'ego zebrał 18 milionów wyświetleń: ludzie zobaczyli, że to jest namacalne.
U nas też - ale z kontrolą jakości.
Zobacz graf wiedzy z metadanymi, powiązaniami i źródłami.
Rozwijaj dalej - na własnych danych, kiedy chcesz, ile chcesz.
Dlatego post Karpathy'ego zebrał 18 milionów wyświetleń: ludzie zobaczyli, że to jest namacalne.
U nas też - ale z kontrolą jakości.
Dobry moment, aby dołączyć do wyzwania! Start za...
Dni
Godzin
Minut
Sekond
"Problem → Struktura → Moc"
DZIEŃ 1:
Problem + Koncept + Setup
Problem + Koncept + Setup
→ Eksperyment: chunking tabeli finansowej - zobacz, co model dostaje (i dlaczego odpowiada bzdury)
→ Software 3.0: 7 poziomów autonomii AI - czym jest Poziom 3 i dlaczego naiwny RAG to za mało
→ Czym jest Mapa Wiedzy - i czym nie jest (nie prompt, nie baza wektorowa - system sterowania)
→ Setup: GitHub (prywatne repo) + Obsidian + DataWorkshop Lab
→ Pierwszy test: Bielik + Structured Output → kontrolowany opis tabeli → plik Markdown → Obsidian
Po dniu 1: widzisz problem na własne oczy. Masz skonfigurowane narzędzia. Wiesz, co i po co budujesz.
→ Software 3.0: 7 poziomów autonomii AI - czym jest Poziom 3 i dlaczego naiwny RAG to za mało
→ Czym jest Mapa Wiedzy - i czym nie jest (nie prompt, nie baza wektorowa - system sterowania)
→ Setup: GitHub (prywatne repo) + Obsidian + DataWorkshop Lab
→ Pierwszy test: Bielik + Structured Output → kontrolowany opis tabeli → plik Markdown → Obsidian
Po dniu 1: widzisz problem na własne oczy. Masz skonfigurowane narzędzia. Wiesz, co i po co budujesz.
Dzień 1 zaczyna się od bólu (naiwny RAG psuje dane).
Dzień 2 rozwiązuje problem (Structured Output + organizacja).
Dzień 3 pokazuje moc (retrieval + chat z pełnym zbiorem).
→ Źródła → artykuły: jak zamienić surowe sprawozdanie w ustrukturyzowane artykuły z powiązaniami
→ Structured Output: Ty definiujesz schemat → model go wypełnia → Ty walidujesz wynik
→ Masz wpływ na strukturę: co trafia do artykułu, jakie metadane, jakie powiązania
→ Audytowalność: źródło, confidence, data - każdy artykuł da się prześledzić do oryginału
→ Jakość żyje: mechanizmy lint i walidacji - bo Mapa Wiedzy musi być aktualna i spójna
→ Uruchamiasz pipeline. Vladimir odpala na pełnym zbiorze na noc.
Po dniu 2: Twoja Mapa Wiedzy rośnie. Rozumiesz każdy element. Kontrolujesz jakość. Pełny zbiór się przetwarza.
→ Structured Output: Ty definiujesz schemat → model go wypełnia → Ty walidujesz wynik
→ Masz wpływ na strukturę: co trafia do artykułu, jakie metadane, jakie powiązania
→ Audytowalność: źródło, confidence, data - każdy artykuł da się prześledzić do oryginału
→ Jakość żyje: mechanizmy lint i walidacji - bo Mapa Wiedzy musi być aktualna i spójna
→ Uruchamiasz pipeline. Vladimir odpala na pełnym zbiorze na noc.
Po dniu 2: Twoja Mapa Wiedzy rośnie. Rozumiesz każdy element. Kontrolujesz jakość. Pełny zbiór się przetwarza.
DZIEŃ 2:
Organizacja wiedzy - od źródeł do audytowalnej Mapy
Organizacja wiedzy - od źródeł do audytowalnej Mapy
DZIEŃ 3:
Retrieval + Chat - moc Mapy Wiedzy
Retrieval + Chat - moc Mapy Wiedzy
→ Pełna Mapa gotowa: 7 spółek, 1400+ tabel, artykuły z powiązaniami
→ Retrieval: wyszukujesz informację w Mapie - nie w losowych chunkach
→ Kontekst + prompt → odpowiedź z odniesieniem do źródła
→ Chat z danymi: budujesz własne rozwiązanie zamiast polegać na narzędziach, które nie radzą sobie z dużymi plikami
→ Stress-test: 2000+ ludzi porównuje wyniki i podejścia
→ Mapa na GitHubie: pobierasz, otwierasz w Obsidianie, edytujesz, rozwijasz na własnych danych
→ Most do Praktycznego LLM: masz Mapę → teraz potrzebujesz systemu
Po dniu 3: pełna Mapa Wiedzy - Twoja, na GitHubie, w Obsidianie. Rozmawiasz z nią. Rozwijasz ją. Kontrolujesz.
→ Retrieval: wyszukujesz informację w Mapie - nie w losowych chunkach
→ Kontekst + prompt → odpowiedź z odniesieniem do źródła
→ Chat z danymi: budujesz własne rozwiązanie zamiast polegać na narzędziach, które nie radzą sobie z dużymi plikami
→ Stress-test: 2000+ ludzi porównuje wyniki i podejścia
→ Mapa na GitHubie: pobierasz, otwierasz w Obsidianie, edytujesz, rozwijasz na własnych danych
→ Most do Praktycznego LLM: masz Mapę → teraz potrzebujesz systemu
Po dniu 3: pełna Mapa Wiedzy - Twoja, na GitHubie, w Obsidianie. Rozmawiasz z nią. Rozwijasz ją. Kontrolujesz.
Mapa Wiedzy - fundament,
którego brakuje w 90% systemów RAG
którego brakuje w 90% systemów RAG
Gdy większość rynku sprzedawała naiwny RAG oparty o przypadkowe chunki i bazy wektorowe, my w DataWorkshop Lab pracowaliśmy nad czymś ważniejszym:
✅ Dlaczego naiwny chunking niszczy dane - tabela finansowa rozerwana na 3 fragmenty traci sens. Nagłówki znikają, wiersze się rwą, model dostaje śmieciowy kontekst. I odpowiada bzdury.
✅ Jak reprezentować dane, zanim trafią do retrievalu - LLM opisuje, klasyfikuje i strukturyzuje dane NA WEJŚCIU, nie na etapie pytania. To zmienia wszystko.
✅ Czym jest Mapa Wiedzy - tekstowa, audytowalna, hierarchiczna instrukcja, która mówi modelowi JAK nawigować po złożonej rzeczywistości. Nie prompt. Nie baza wektorowa. System sterowania.
✅ Jak zbudować retrieval, który naprawdę działa - pytanie rozbite na etapy, kontekst budowany z referencjami do źródeł, audytowalna odpowiedź. Firmy jak Mastercard mówią wprost: knowledge drift, retrieval decay, irrelevant chunks i brak ewaluacji to cztery jeźdźcy apokalipsy RAG na produkcji. Mapa Wiedzy adresuje każdy z nich u fundamentu.
Karpathy'ego wiki w Obsidianie? To jeden wariant Mapy Wiedzy.
PageIndex tree index? To inny wariant Mapy Wiedzy.
Claude Code CLAUDE.md? To jeszcze inny wariant Mapy Wiedzy.
Różne formy. Ten sam rdzeń.
My uczymy fundamentów. Konkretne realizacje przychodzą i odchodzą. Na DWthon #3 zbudujesz swoją Mapę Wiedzy na realnych danych finansowych. I zobaczysz różnicę na własne oczy.
"Czy dam radę?"
Plan jest taki...
Plan jest taki...
Każdego dnia będzie nowe zadanie. Ale..
Masz całą dobę, aby je wykonać – to od Ciebie zależy, kiedy działasz (rano, w ciągu dnia czy wieczorem).
Warto założyć co najmniej 1 godzinę dziennie, aby wyrobić się z materiałem.
Masz całą dobę, aby je wykonać – to od Ciebie zależy, kiedy działasz (rano, w ciągu dnia czy wieczorem).
Warto założyć co najmniej 1 godzinę dziennie, aby wyrobić się z materiałem.
Dla kogo jest DWthon? Czy to Ty?
TAK, jeśli:
→ Budujesz lub planujesz system RAG i chcesz uniknąć błędów, które popełnia 90% rynku
→ Podejmujesz decyzje o AI w firmie i musisz wiedzieć, co jest realne, a co marketing
→ Jesteś w IT (dev, PM, architekt, team lead) i chcesz zrozumieć RAG od fundamentów
→ Jesteś praktykiem spoza IT (finansista, analityk, prawnik) i pracujesz z dokumentami
→ Podejmujesz decyzje o AI w firmie i musisz wiedzieć, co jest realne, a co marketing
→ Jesteś w IT (dev, PM, architekt, team lead) i chcesz zrozumieć RAG od fundamentów
→ Jesteś praktykiem spoza IT (finansista, analityk, prawnik) i pracujesz z dokumentami
→ Masz wewnętrzną motywację, żeby się zanurzyć
→ Szukasz kolejnego kursu, który "obejrzysz i zapomnisz"
→ Oczekujesz, że AI zrobi wszystko za Ciebie
→ Chcesz kolejny tutorial o LangChain + Pinecone - tego tu nie ma
→ Oczekujesz, że AI zrobi wszystko za Ciebie
→ Chcesz kolejny tutorial o LangChain + Pinecone - tego tu nie ma
→ Chcesz tylko "posmakować hype" - tu działamy na pełnych obrotach
NIE, jeśli:
Większość szkoleń uczy narzędzi, które za chwilę się zmienią. Problem nie jest w Tobie.
Problem jest w tym, czego Cię uczą. My uczymy paradygmatu, który zostanie.
Problem jest w tym, czego Cię uczą. My uczymy paradygmatu, który zostanie.
W DataWorkshop nie bawimy się w AI.
Zobaczysz, jak to działa od kuchni. I podejmiesz decyzję samodzielnie.
Zajmujemy się machine learningiem od ponad 10 lat.
Pokazujemy to, o czym inni milczą: jak zbudować AI na solidnym fundamencie i mieć nad nim własną kontrolę.
Pokazujemy to, o czym inni milczą: jak zbudować AI na solidnym fundamencie i mieć nad nim własną kontrolę.
Poznaj swojego mentora
Praktyczne doświadczenie w uczeniu maszynowym – 10 lat, w programowaniu – 15 lat;
Potrafi tłumaczyć skomplikowane pojęcia z matematyki, statystyki i programowania w prosty sposób, używając przykładów z życia i funkcjonowania biznesu;
Wiele modele uczenia maszynowego wdrożonych do produkcji;
CEO i założyciel DataWorkshop;
Konsultuje i wspiera przy wdrażaniu duże i małe firmy (Fortune 500 i inne) w praktycznym podejściu do uczenia maszynowego;
Autor 7 praktycznych kursów: LLM, Python, ML/DS od podstaw, statystyka SQL, NLP, szeregi czasowe;
Regularny prelegent i twórca międzynarodowej konferencji DWCC poświęconej uczeniu maszynowemu i sztucznej inteligencji.;
Twórca wiele inicjatyw i warsztatów z uczenia maszynowego dla dziesiątki tysięcy ludzi: "Korona wyzwań", "Matryca", "DWgym", "DWthon", "DWTools", "DWChampions".
Prowadzi podcast Biznes Myśli (> 500 000 odsłuchań).
Potrafi tłumaczyć skomplikowane pojęcia z matematyki, statystyki i programowania w prosty sposób, używając przykładów z życia i funkcjonowania biznesu;
Wiele modele uczenia maszynowego wdrożonych do produkcji;
CEO i założyciel DataWorkshop;
Konsultuje i wspiera przy wdrażaniu duże i małe firmy (Fortune 500 i inne) w praktycznym podejściu do uczenia maszynowego;
Autor 7 praktycznych kursów: LLM, Python, ML/DS od podstaw, statystyka SQL, NLP, szeregi czasowe;
Regularny prelegent i twórca międzynarodowej konferencji DWCC poświęconej uczeniu maszynowemu i sztucznej inteligencji.;
Twórca wiele inicjatyw i warsztatów z uczenia maszynowego dla dziesiątki tysięcy ludzi: "Korona wyzwań", "Matryca", "DWgym", "DWthon", "DWTools", "DWChampions".
Prowadzi podcast Biznes Myśli (> 500 000 odsłuchań).
Twórca autorskich kursów ML/AI
CEO DataWorkshop
CEO DataWorkshop
Vladimir Alekseichenko
Mocne strony:
Kreatywne podejście,
Krytyczne myślenie,
Zdolność inspirowania uczniów i wzmacniania ich wiary we własne siły,
Umiejętność skierowania na właściwą drogę w celu rozwiązania postawionych zadań.
Kreatywne podejście,
Krytyczne myślenie,
Zdolność inspirowania uczniów i wzmacniania ich wiary we własne siły,
Umiejętność skierowania na właściwą drogę w celu rozwiązania postawionych zadań.
⏳Liczba miejsc ograniczona pojemnością infrastruktury!
Dla pierwszych 1000 osób dostęp do DWthon za darmo!
Dla pierwszych 1000 osób dostęp do DWthon za darmo!
0 PLN
190 PLN
Chcesz najpierw spróbować?
Dostęp na 3 dni. DataWorkshop Lab. Tokeny. Materiały + Slack.
Po wyczerpaniu puli darmowych 1000 miejsc - cena wraca do 190 PLN.
Dostęp na 3 dni. DataWorkshop Lab. Tokeny. Materiały + Slack.
Po wyczerpaniu puli darmowych 1000 miejsc - cena wraca do 190 PLN.
Dostęp do DWthon
490 PLN
Dostęp na 30 dni - nie 3, trzydzieści.
Pracujesz we własnym tempie.
~200 modeli LLM w tym najnowsze.
Więcej tokenów na eksperymenty.
✅ DODATKOWO - Cenę odliczasz od kursu Praktyczny LLM - to nie koszt, to zaliczka na rozwój
Pracujesz we własnym tempie.
~200 modeli LLM w tym najnowsze.
Więcej tokenów na eksperymenty.
✅ DODATKOWO - Cenę odliczasz od kursu Praktyczny LLM - to nie koszt, to zaliczka na rozwój
PREMIUM dostęp do DWthon
Zero Instalacji. 100% praktyki
Start: 21 kwietnia | 3 dni | Działasz w swoim rytmie
SOFTWARE 3.0 TAXONOMY - 7 LEVELS
Mamy plan Twojego rozwoju...
PHASE 1: FOUNDATION
PHASE 2: CONNECTED AI
by DATAWORKSHOP (R)
Conversational AI
Podstawowy prompting, interfejs UI - człowiek prowadzi dialog ręcznie
Podstawowy prompting, interfejs UI - człowiek prowadzi dialog ręcznie
Programmable AI
API, Structured output, inteligentny RPA - kod steruje modelem AI
API, Structured output, inteligentny RPA - kod steruje modelem AI
Contextual AI
Pamięć, narzędzia, działania kontekstowe - Stateful Agent z długoterminową pamięcią
Pamięć, narzędzia, działania kontekstowe - Stateful Agent z długoterminową pamięcią
Integrated AI
RAG, systemy hybrydowe - AI podłączony do danych organizacji
RAG, systemy hybrydowe - AI podłączony do danych organizacji
PHASE 3: AUTONOMOUS AI
Meta-Autonomous AI
Samomodyfikacja, meta-rozumowanie - AI udoskonala własne strategie
Samomodyfikacja, meta-rozumowanie - AI udoskonala własne strategie
Full Autonomous AI - AGI
"Human Independent AI" - pełna autonomia bez udziału człowieka-operatora
"Human Independent AI" - pełna autonomia bez udziału człowieka-operatora
Strategic AI
Adaptacyjne planowanie, ustrukturyzowane rozumowanie - agent sam tworzy plan
Adaptacyjne planowanie, ustrukturyzowane rozumowanie - agent sam tworzy plan
1
2
2+3
3
4
5
6
7
Kurs LLM (poziomy 2 i 3)
- 5 tygodni praktycznej wiedzy
- gotowe środowisko
- spotkania LIVE
- sesje Q&A
Kurs LLM (poziomy 2 i 3)
5 tygodni / gotowe środowisko / spotkania LIVE
5 tygodni / gotowe środowisko / spotkania LIVE
Kurs Agentic AI (poziomy 4 i 5)
5 tygodni / gotowe środowisko / sesje Q&A
5 tygodni / gotowe środowisko / sesje Q&A
Kurs Agentic AI (poziomy 4 i 5)
- 5 tygodni praktycznej wiedzy
- gotowe środowisko
- spotkania LIVE
- sesje Q&A
4+5
Dlaczego nam zaufało już ponad 10 000 ludzi?
1. Doświadczenie, które przynosi rezultaty
Szkolimy od 2016 roku, a nasz autor programów edukacyjnych to praktyk z ponad 10-letnim doświadczeniem w branży.
2. Praktyczne podejście do nauki
Nasze szkolenia oparte są na danych i naciskają na praktykę, co oznacza, że możesz od razu wdrażać zdobytą wiedzę w swoich projektach zawodowych.
3. Gotowe środowisko do nauki
Zapewniamy kompletną infrastrukturę do nauki – nie musisz martwić się o konfigurację ani instalację.
4. Wiedza z pierwszej ręki
Uczymy tego, co sami stosujemy w naszych projektach, dzięki czemu otrzymujesz aktualne i sprawdzone informacje.
5. Zaufanie dużych firm
Nasze szkolenia wybierają również czołowe organizacje, takie jak Orange, mBank, Santander, Leroy Merlin i inne, aby wspierać transformację swoich firm.
6. Społeczność zadowolonych uczestników
Ponad 10000 zadowolonych uczestników potwierdza jakość naszych programów. Dołącz do nich i przekonaj się, jak nasze szkolenia mogą wpłynąć na Twoją karierę!
7. Opinie naszych absolwentów
Nie wierz nam na słowo – zapoznaj się z opiniami naszych absolwentów, którzy dzielą się swoimi sukcesami po ukończeniu naszych kursów.
Szkolimy od 2016 roku, a nasz autor programów edukacyjnych to praktyk z ponad 10-letnim doświadczeniem w branży.
2. Praktyczne podejście do nauki
Nasze szkolenia oparte są na danych i naciskają na praktykę, co oznacza, że możesz od razu wdrażać zdobytą wiedzę w swoich projektach zawodowych.
3. Gotowe środowisko do nauki
Zapewniamy kompletną infrastrukturę do nauki – nie musisz martwić się o konfigurację ani instalację.
4. Wiedza z pierwszej ręki
Uczymy tego, co sami stosujemy w naszych projektach, dzięki czemu otrzymujesz aktualne i sprawdzone informacje.
5. Zaufanie dużych firm
Nasze szkolenia wybierają również czołowe organizacje, takie jak Orange, mBank, Santander, Leroy Merlin i inne, aby wspierać transformację swoich firm.
6. Społeczność zadowolonych uczestników
Ponad 10000 zadowolonych uczestników potwierdza jakość naszych programów. Dołącz do nich i przekonaj się, jak nasze szkolenia mogą wpłynąć na Twoją karierę!
7. Opinie naszych absolwentów
Nie wierz nam na słowo – zapoznaj się z opiniami naszych absolwentów, którzy dzielą się swoimi sukcesami po ukończeniu naszych kursów.
© All Rights Reserved.
DataWorkshop sp. z o.o.
ul. Mogilska 43
31-545 Kraków
KRS: 0000815135
NIP: 6762574286
REGON: 384914283
DataWorkshop sp. z o.o.
ul. Mogilska 43
31-545 Kraków
KRS: 0000815135
NIP: 6762574286
REGON: 384914283