Zapisy w cenie promocyjnej!
0
dni
0
h
0
m
0
s
Dołącz teraz
Zapisz się na listę oczekujących - kolejna edycja wystartuje w I kwartale 2025!   
Zapisz się!
Nowy kurs od Elephant AI dla kodujących - Tylko nauka od najlepszych da Ci przewagę

GenAI Code™

Twórz zaawansowane aplikacje AI i otwórz drzwi do międzynarodowej kariery. Ten 6-tygodniowy kurs wyposaży Cię w umiejętności niezbędne do tworzenia rozwiązań wykorzystujących moc generatywnej sztucznej inteligencji (GenAI). Nauczysz się w sposób praktyczny pracować z obrazami, tekstem i dźwiękiem, integrować modele z różnymi źródłami danych (RAG), implementować LLM, monitorować i oceniać ich działanie, a także wdrażać je na Cloud.

Edycja 2 | I kwartał 2025 | Dołącz do listy oczekujących

Start trzeciej edycji w dwóch terminach do wyboru!
– 18 września - 23 października
– 6 listopada - 11 grudnia

User ratingUser ratingUser ratingUser ratingUser ratingUser ratingUser ratingUser ratingUser rating
🔥 290+ osób zapisanych na kurs
🔥 2000+ osób należących do społeczności Elephant AI

6 tygodni
wspólnej nauki

Uczysz się w grupie, a nie samotnie. Elephant AI oparty jest o społeczność działającą razem. Oprócz sesji LIVE, codziennie uczestniczysz w dyskusjach, Q&A i dzieleniu się wiedzą z innymi studentami i studentkami.

Zaufało nam 2000+ osób

Kolejna edycja kursu GenAI Code:
I kwartał 2025

🎓 Dopiero zaczynasz programować? Nic nie szkodzi! Otrzymasz od nas materiały, które pozwolą Ci się przygotować do kursu i zdobyć wymagane kompetencje.

Konrad Banachewicz, PhD
& Goście Specjalni

Kaggle Grandmaster i specjalista od Machine Learningu z ogromnym doświadczeniem. Towarzyszyć mu będą zagraniczni Goście i Gościnie - międzynarodowe gwiazdy Machine Learningu i sztucznej inteligencji.

Naucz się tworzyć aplikacje, które zwiększą przewagę konkurencyjną Twojej firmy

Generowanie obrazu
Naucz się, jak używać nowoczesnych modeli: DALL-E, Midjourney i Stable Diffusion, do generowania oszałamiających obrazów z tekstu.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Generowanie dźwięku
Odkryj techniki tworzenia realistycznych próbek dźwiękowych, muzyki i mowy. Stwórz komponent dźwiękowy awatara.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Modele multimodalne
Poznaj moc modeli multimodalnych, które potrafią rozumieć i generować treści w wielu modalnościach, takich jak tekst, obrazy i dźwięk.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Implementacja i dotrenowanie LLMów
Zdobądź praktyczne doświadczenie w tworzeniu i dostrajaniu dużych modeli językowych, aby dostosować je do konkretnych dziedzin.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Architektura
RAG
Zrozum architekturę generacji wspomaganej wyszukiwaniem (RAG), aby uzyskać dokładniejsze i bardziej informatywne generowanie tekstu.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Agenci na bazie LLM i właśni agenci
Buduj inteligentnych agentów, którzy wykorzystują moc LLM do prowadzenia dialogów zorientowanych na cel, odpowiadania na pytania i pomagania użytkownikom i użytkowniczkom.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Konrad Banachewicz na Elephant AI Summit

"Dobry, zły i brzydki: jak Generative AI zmieni biznes"

Warszawa, 7 czerwca 2024
Tagline

Uczestnicy i uczestniczki Elephant AI Summit o wystąpieniu Konrada:

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

5-star rating
"Prelekcja Konrada była jak orzeźwiające wiadro zimnej wody na głowę. Fajnie jest posłuchać kogoś, kto nie podchodzi do AI bezkrytycznie. Najwyższy czas, żeby w rozmyślaniu o przyszłości brać pod uwagę nie tylko to, co możemy zrobić, ale też to, jakie to wszystko przyniesie skutki. Bombowe wystąpienie 😅"

Marcin Zawadzki

Fotograf

5-star rating
"Niezwykła energia, pytania bez jednoznacznej odpowiedzi, które pobudzają emocje i głód wiedzy. Jak zwykle fantastyczne eksperckie spojrzenie bez cienia kokieterii. 👀 👏"

Ludmiła Kot

Główny specjalista ds. komunikacji i organizacji eventów w Polish Airports Academy

Kurs realizowany we współpracy z

Współpraca realizowana jest poprzez dostarczenie przez Google Cloud środowiska technologicznego, z którego uczestnicy i uczestniczki GenAI Code™ będą mogli korzystać w czasie trwania kursu i po jego zakończeniu. Do ich dyspozycji będą wybrane aplikacje, dostępne za pośrednictwem Google Cloud Console, m.in.:
Compute engine
Wirtualne maszyny działające w centrum danych Google.
Vertex AI
Ujednolicona platforma do szkolenia, hostingu i zarządzania modelami ML.
Cloud SQL
Usługi relacyjnych baz danych dla MySQL, PostgreSQL i SQL Server.
Gemini for Google Cloud
Nowa generacja asystentów Al dla deweloperów, usług Google Cloud i aplikacji.
Auto ML
Szkolenie i rozwój niestandardowych modeli uczenia maszynowego.
Cloud GPUs
Układy GPU do uczenia maszynowego, obliczeń naukowych i wizualizacji 3D.
Cloud TPUs
Jednostki przetwarzania tensorowego dla aplikacji uczenia maszynowego.
Deep Learning VM Image
Wstępnie skonfigurowane maszyny wirtualne dla aplikacji głębokiego uczenia.
Gemini in Databases
Asystent Al-powered, który pomaga w każdym aspekcie podróży do bazy danych.
Gemini Code Assist
Asystent Al-powered, który pomaga programistom tworzyć aplikacje z większą szybkością i jakością w popularnych edytorach kodu.
Tagline

Wyobraź sobie scenariusz, w którym posiadasz umiejętności poszukiwane przez czołowe firmy na całym świecie i otwierasz drzwi do ekscytującej kariery w dziedzinie sztucznej inteligencji.

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Tagline

Generative AI w praktyce

Zbudujesz imponujące projekty i aplikacje wykorzystujące GenAI  do rozwiązywania różnorodnych, rzeczywistych problemów.

Tagline

Large Language Models (LLMy)

Zdobędziesz praktyczną wiedzę na temat oceny, doboru i wdrażania odpowiednich modeli LLM, co pozwoli Ci efektywnie wykorzystywać tę rewolucyjną technologię w prawdziwych projektach.

Tagline

Integracja AI z rzeczywistymi danymi

Dowiesz się, jak łączyć modele AI z zewnętrznymi źródłami danych (RAG) i wdrażać je jako kompletne rozwiązanie na Cloud.

Tagline

Niestandardowe podejście do programowania

Wyjdziesz poza schematy i poznasz nowe, innowacyjne metody, które pozwolą Ci tworzyć przełomowe aplikacje i rozwiązania oparte na GenAI.

Tagline

Nauka od najlepszych

Nasi instruktorzy i nasze instruktorki to doświadczeni eksperci i doświadczeni eksperci w dziedzinie GenAI, którzy/re zdobyli/ły uznanie w prestiżowych konkursach Kaggle. Podczas kursu przekażą Ci swoją wiedzę i umiejętności, dzięki którym wzbogacisz swój warsztat koderski.

Tagline

Międzynarodowa kariera

Uzupełnisz swoje CV o poszukiwane i pożądane na rynku pracy kompetencje. Przygotujesz się do pracy w dużych korporacjach i zrewolucjonizujesz swoją karierę.

Dlaczego GenAI Code?

"GenAI jest czymś, co sprawia, że możemy w bardzo dużym stopniu wesprzeć swoją codzienną pracę. (...) Uczestniczyłam we wcześniejszym kursie (AI dla Menedżerów), który rzeczywiście dał olbrzymi background w zakresie tego, czego brakowało, czyli takich technicznych również podstaw, terminologii technicznej potrzebnej do tego, żeby rozumieć, o co tak naprawdę chodzi."

Karolina Wilamowska
Adwokatka od technologii

Zaufało nam 2000+ osób

Pierwsza edycja kursu GenAI Code:
7 października - 17 listopada

🇵🇱 Tworzymy największe szkolenie dotyczące AI dla menedżerów w Polsce, a teraz otwieramy się na nową grupę - osoby kodujące. Skorzystaj z naszego doświadczenia.

Zaufało nam 2000+ osób

Pierwsza edycja kursu GenAI Code:
7 października - 17 listopada

🇵🇱 Tworzymy największe szkolenie dotyczące AI dla menedżerów w Polsce, a teraz otwieramy się na nową grupę - osoby kodujące. Skorzystaj z naszego doświadczenia.

GenAI Code
Przejmij kontrolę nad AI

Zakładamy, że znasz w stopniu podstawowym język programowania umożliwiający komunikację z interfejsem API - najlepiej Python (listy, słowniki) i masz doświadczenie z biblioteką typu scikit-learn.

Kurs GenAI Code
został stworzony dla:

  • Początkujących developerów i developerek, pragnących zdobyć solidne, praktyczne doświadczenie w dziedzinie GenAI.
  • Doświadczonych programistów i programistek / software developerów i developerek, chcących rozszerzyć swoje umiejętności o generatywną AI.
  • Osób zainteresowanych międzynarodową karierą w firmach technologicznych.
  • Każdego, kto chce wykorzystać rewolucyjną technologię GenAI do rozwiązywania realnych problemów.

Co o GPT-4 i programowaniu w parze z AI myślą programiści?

Perspektywa Adama

Obecny poziom rozwoju narzędzi AI jest imponujący, lecz nadal dość ograniczony. Jednocześnie jest na tyle wystarczający, aby dać nam niezbędną przestrzeń do rzeczy ważnych. I chociaż trudno jest mi wskazać ile dokładnie czasu oszczędzam dzięki ChatGPT Plus i GPT-3.5/4.0 w swojej pracy, mogę orientacyjnie stwierdzić, że dalej mi do programisty 10x, a bliżej do programisty 1000x.

Czytaj dalej ...

Czy AI nas zastąpi ❓

Od premiery Github Copilota a potem ChatGPT, zasadne stało się pytanie: czy AI nas zastąpi?

Wystarczy chwila interakcji, aby zauważyć, że to jeszcze nie ten moment. Można też podejmować próby spowolnienia adopcji tego typu narzędzi, lub wprost zaprzeczania im. Chociaż takie nastawienie może mieć uzasadnione podstawy, historia pokazuje, że powstrzymanie rozwoju technologii jest bardzo trudne. W końcu nie sposób zaprzeczyć niesamowitym rezultatom, które te narzędzia osiągają już dziś. Co więcej, można sięgnąć po te możliwości i sam zrobiłem to już kilka lat temu, korzystając z pierwszych wersji popularnych dziś na rynku narzędzi.

Aby nie opierać się wyłącznie o słowa, pokażę co mam teraz na myśli. Nie rzadko zdarza mi się realizować projekty na swoje potrzeby. Czasem po to aby odkryć nową technologię, innym razem dla zabawy. W takich sytuacjach zależy mi na zrealizowaniu swoich założeń, przy ograniczonym czasie. Nie mogę pozwolić sobie na to, aby spędzać godziny nad małymi problemami, które stają na mojej drodze.

Ostatnio jednym z nich było encodowanie chunków streamu zwracanego przez API OpenAI. Prawdopodobnie ze względu na środowisko w którym pracowałem, generowane odpowiedzi nie zawierały polskich znaków. Rozwiązania  które przychodziły mi do głowy okazały się nieskuteczne. Zapytałem więc ChatGPT o możliwe rozwiązanie:

Wydawało się być wystarczające, ale nadal potrzebowałem zaimplementować je w mojej funkcji, która i tak przeszła sporo zmian przy okazji wcześniejszych prób. Wykonałem więc jeszcze jedno zapytanie:

I otrzymałem odpowiedź zawierającą instrukcję zamiany dosłownie jednej linii. Wprowadzenie poprawki dało natychmiastowy efekt. Oczywiście nie wiem jak długo zajęłoby mi rozwiązanie tego problemu samodzielnie. Wiem jednak, że zrobiłem to szybciej dzięki ChatGPT.

Naturalnie nie zawsze w środowisku produkcyjnym mogę ot tak przeklejać sobie fragmenty kodu do ChatGPT czy GPT-3. Nic jednak nie stoi na przeszkodzie aby w rozmowie z ChatGPT posługiwać się niezależnymi snippetami i szukać możliwych rozwiązań. Dobrym przykładem jest rozmowa w której pracowaliśmy wspólnie nad jednym z promptów. Wspólna wymiana pomysłów i uwag była niesamowicie produktywna. W kilkanaście minut zrealizowałem pracę, na którą w pojedynkę potrzebowałbym 2-3 dni! (chodziło o pracę z różnymi wariantami tego samego promptu. Łącznie musiałem przygotować kilkadziesiąt wersji. Napisanie ich ręcznie prawdopodobnie nigdy by się nie wydarzyło).

Wniosek: Możemy współpracować z AI i wzajemnie zwiększać swoją skuteczność.

GPT nie działa 💩

W latach 2017-2023 rozwój AI znacząco przyspieszył a znaczącym elementem był model o nazwie Transformer, wspomniany po raz pierwszy w tej publikacji. Aby zobaczyć o jakim tempie tutaj mówimy, można porównać wyniki generowane przez GPT-2 z GPT-3.

Przykład GPT-2 (HuggingFace) dla zwykłego dialogu, w którym spodziewamy się odpowiedzi "I'm doing great, thanks for asking!", otrzymujemy:

Natomiast w GPT-3.5 (Playground) otrzymujemy następujący rezultat:

Porównanie o którym mówimy dzieli 14-23 miesięcy rozwoju, licząc daty publikacji GPT-2 oraz GPT-3 (GPT-3.5 jakieś 9 miesięcy później). Pomimo tak ogromnego postępu, treści generowane przez najnowsze modele, nadal bywają dalekie od doskonałości. Co więcej w przypadku LLM (Large Language Model) raczej nie mówimy o myśleniu, lecz opartej na modelach statystycznych zdolności do przewidywania kolejnego tokenu. Poniżej krytyczne spojrzenie na LLM przez znaną w świecie Deep Learningu postać:

LLM sprawdzają się do bardzo określonych zadań. Jeżeli jednak zrozumiemy ich możliwości oraz ograniczenia, będziemy w stanie mądrze wybierać. Nie rzadko też okaże się, że w sytuacji w której powszechnie uważa się, że "GPT-3 się nie sprawdza", w naszym przypadku perfekcyjnie zrealizuje oczekiwane zadanie.

Dobrym przykładem z mojego własnego podwórka jest określanie dat na podstawie wzmianek w tekście. Powszechnie wiadomo, że GPT-3 nie radzi sobie z nimi dość dobrze, nawet jeżeli jasno poinformujemy go "kiedy jest dziś", trudno będzie mu policzyć datę na podstawie określenia "w następny piątek". Sam jednak opracowałem prompt, którego skuteczność jest zaskakująco wysoka i zwraca poprawny wynik we wskazanym przeze mnie formacie.

Dojście do takiego rozwiązania, nie było przypadkowe i wymagało ode mnie poznania kilku technik projektowania zapytań do GPT-3, które połączyłem ze sobą. Dziś ten prompt wykorzystuję zawsze w sytuacji gdy pracuję z datami. Zmierzam tym do tego, że rozmowa z GPT-3, czyli projektowanie promptów, przypomina pewną warstwę abstrakcji dla programowania. Tutaj jednak zamiast wykorzystywać ściśle określoną składnię, posługujemy się słowami i odpowiednim formatowaniem fragmentów tekstu.

Co ciekawe istnieją narzędzia, które w takich zadaniach sprawdzają się wręcz perfekcyjnie. Jednym z nich jest WolframAlpha, który z absurdalną precyzją odpowiada na zadane pytanie:

Wniosek: GPT-3 nie jest doskonałe a jego użyteczność uzależniona jest od kontekstu i sposobu wykorzystania.

Trudno konkurować z AI 🏆

W filmach i wpisach na temat Github Copilot czy ChatGPT, bardzo często pada zdanie: generowany kod jest lepszy niż mój! Ekscytujące i alarmujące jest jednak to, że jest prawdziwe. Przykładowo pomimo tego, że znam wyrażenia regularne, ich pisanie i testowanie zajmuje mi czas. Napisanie poniższego zajęłoby mi kilka/kilkanaście minut i to przy założeniu, że znalazłbym informację o tym jak zatrzymać dopasowanie na znaku cudzysłowu, bo zwykle nie przychodzi mi to naturalnie. W tym przypadku pojawiło się na moim ekranie w kilka sekund.

Są jednak znacznie bardziej złożone przykłady. Do tej pory nie zdarzyło mi się pracować z API zwracającym odpowiedź w formie strumienia. Nie wiedziałem nawet jak się do tego zabrać. ChatGPT wygenerował kod, który pozwolił mi szybko odnaleźć się w zadaniu, które przede mną stoi. Choć docelowo ta funkcja wygląda inaczej i oryginał zawiera zbędne fragmenty, tak ten przykład zaoszczędził mi przynajmniej kilka godzin. A to tylko jedna funkcja. Przede mną było napisanie całej aplikacji.

Gdy wyobrażę sobie, że miałbym konkurować ze sobą wspieranym AI, bez wątpienia bym przegrał. Przewaga w postaci połączenia doświadczenia, logiki i ultra-szybkiego analizowania i generowania kodu, jest zbyt duża abym miał realne szanse.

Ponownie jednak, to nie jest tak, że ChatGPT zawsze generuje poprawne odpowiedzi i natychmiast rozwiązuje moje problemy. Tym bardziej że dostępność tego narzędzia aktualnie bywa dość ograniczona. Pokazuje to historia mojego czatu:

I chociaż w powyższych konwersacjach rozwiązałem kilkanaście różnych problemów, nie rzadko musiałem zaczynać od początku, zarówno z przyczyn technicznych jak i konieczności zmiany podejścia. Ostatecznie i tak nie można tego porównywać z próbą samodzielnego rozwiązania problemów.

Wniosek: Łatwo wygrać z AI. Trudno wygrać z osobą posługującą się AI.

Perspektywa Jakuba

Od czasu pojawienia się technologii oferowanych przez OpenAI (GPT-3, ChatGPT, Whisper, DALL-E), moje możliwości drastycznie wzrosły. To wszystko, co oddzielałem grubą linią, pisząc “to musi zrobić człowiek” nagle stało się dla mnie dostępne do zautomatyzowania, a linia określająca moje limity, przesunęła się znacznie dalej niż była dotychczas.

Czytaj dalej ...

Czy AI nas zastąpi? 🤖

Myślę, że na obecnym poziomie, na którym znajdują się technologie generatorów tekstu/kodu (GPT, Copilot itp.), zupełnie nam to nie grozi, ale co będzie za kilka lat? Tego nie wiem.

Jednak to, z czym mamy do czynienia już teraz, jest rozwiązaniem na tyle dojrzałym, że warto spróbować wdrożyć je do swojego codziennego życia. Można oczywiście zaklinać rzeczywistość i starać się zatrzymać postępujący rozwój technologii mówiąc, że AI jest szkodliwe, nie przyjmie się i jest dla nas zbyteczne.

Historia pokazuje jednak, że zatrzymanie rozwoju technologii, którą już zachłysnęli się ludzie, nie jest wcale takie proste… a niekiedy, nie jest nawet możliwe.

Sztuczna inteligencja za sprawą głównie OpenAI weszła pod strzechy. Znajomość sieci neuronowych, deep learningu i skomplikowanych algorytmów łączących matematykę i fizykę, to NIE są już umiejętności niezbędne do tego, aby wejść w świat AI. Już dziś, próg wejścia został drastycznie obniżony. Machina rozwoju nowych technologii ruszyła, a od Ciebie zależy, czy będziesz częścią tego rozwoju.

Odpowiadając na tytułowe pytanie - "czy AI nas zastąpi?" - powiedziałbym NIE, to nie AI może nas zastąpić, a ludzie, którzy będą umieć z tego AI korzystać.

Rozwój jest skrajnie szybki ⚡️

Kilka lat temu, bardziej zaawansowani technicznie użytkownicy komputerów, dysponujący przy tym mocnymi GPU, mogli pobawić się technologią GPT-2. Trzeba przyznać, że generowane przez tę technologię odpowiedzi były ‘ciekawe’, ale nie można powiedzieć, że użyteczne, czy poprawne.

Zaledwie kilkanaście miesięcy później, światło dzienne ujrzał GPT-3, który generował teksty na takim poziomie, że niezwykle trudno było je odróżnić od tych, pisanych przez człowieka (co potwierdzi Ci każdy uczeń, który oddał jako zadanie domowe pracę napisaną przez GPT-3).

Od powstania GPT-3 minęło zaledwie kilka miesięcy, a świat oszalał na punkcie ChatGPT. Już teraz technologia ta jest na poziomie ułatwiającym życie milionom ludzi na całym świecie. Trzeba oczywiście umieć z niej korzystać.

Mówię o tym dlatego, że do szybko zmieniającej się technologii najłatwiej 'wskoczyć' na początku. Gdy już technologia porządnie się rozwinie, a bazowa ilość wiedzy niezbędnej do rozpoczęcia z nią pracy drastycznie wzrośnie, wtedy może okazać się, że próg wejścia będzie za wysoki. Z tego powodu staramy się działać możliwie szybko.

Ale przecież GPT kłamie! 😬

Tak, to prawda, że współczesne transformery tekstu generują niekiedy odpowiedzi, które brzmią jak prawdziwe, ale prawdziwymi nie są.

Dla wielu programistów to cecha, która wyklucza użycie takiego rozwiązania w produkcyjnym kodzie. Bo jak mielibyśmy wykorzystywać coś, co raz na jakiś czas (nikt nie wie, kiedy) się myli, lub zwraca zupełnie zmyślone odpowiedzi?

Okazuje się, że istnieją metody pracy zarówno z GPT-3, jak i ChatGPT, które gwarantują Ci jako programiście otrzymanie przewidywalnej i do tego zawsze prawdziwej odpowiedzi.

Istnieją nawet sposoby na odcięcie się od całego zasobu wiedzy (lub niewiedzy - jak mówią niektórzy), do jakiej ma dostęp wybrany model AI.

Między innymi tego chcemy Cię nauczyć.

Trudno konkurować z AI 🤷

Ja wiem, że współczesne modele sztucznej inteligencji są dość ułomne, ale i tak w wielu dziedzinach nawet na poziomie, na którym obecnie się znajdują, są niedoścignione dla klasycznych algorytmów.

Spróbuj w klasyczny sposób napisać tzw. klasyfikator sentymentu treści, czyli mechanizm, który na podstawie zadanego inputu ocenia, czy np. komentarz na temat produktu jest pozytywny, czy negatywny. Wydaje się to prostym zadaniem? To wyobraź sobie, że otrzymujesz taki oto komentarz:

“Jestem przerażony tym jak działa ten soft! Na samą myśl o tym, jak wyglądała moja praca, zanim go kupiłem, aż przepełnia mnie obrzydzenie. Jak ja mogłem tak żyć?! Ja tego softu nie polecam. Ja go ubóstwiam i jestem zniesmaczony na samą myśl, że ktoś mógłby używać produktów konkurencji!”

Tak, ja wiem… kilkadziesiąt IF-ów, baza słów kluczowych, jakieś proste filtry bayesowskie i do tego wykrywanie literówek (zauważyłeś je w tekście?). Stworzenie takiego systemu to męczarnia, a i tak liczba false-positivów będzie taka, że jego produkcyjne użycie będzie praktycznie niemożliwe.

A co jeśli powiedziałbym Ci, że ChatGPT rozpoznałby bezbłędnie sentyment tego komentarza, ignorując w nim wszelkie literówki, błędy gramatyczne i nietypowy zapis słów, a wszystko to dałoby się zautomatyzować wysyłając do API dosłownie jedno zdanie prompta?

Przykład z wykrywaniem sentymentu nie przemawia do Ciebie za bardzo?

Pomyśl o generowaniu streszczeń dowolnych tekstów, o automatycznym odpisywaniu na maile klientów Twojego sklepu, o przeszukiwaniu ogromnych baz danych i zwracaniu odpowiedzi w zrozumiałej dla człowieka formie.

Przeszukiwanie baz danych? Ale jak to?! Przecież te technologie są odcięte od świata! 🤔

Chcemy Cię nauczyć, jak zapewnić faktycznie ‘niemal offlinowym’ technologiom dostęp nie tylko do świata zewnętrznego, ale i do Twoich wewnętrznych zasobów wiedzy, a wszystko to uzyskamy w sposób możliwie bezpieczny.

Wizja Elephant AI

🤖 Czy AI zawładnie światem? Czy sztuczna inteligencja to realne zagrożenie dla ludzkości?

Obejrzyj nagranie ze spotkania z Konradem i spójrz na AI oczami prowadzącego kursu GenAI Code, którego już niedługo spotkasz podczas zajęć.

Zainspiruj się!

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Dlaczego GenAI Code?

"GenAI daje nowe możliwości, których wcześniej nie było i, co najważniejsze, jest to dostępne dla wszystkich. (...) Stosunkowo małym wysiłkiem można z czegoś tworzyć coś nowego, coś naprawdę wyjątkowego. Dodatkowo GenAI oszczędza nam czas i możemy skupić się na innych, ważniejszych sprawach." 
Benjamin Kadzioch
IT Project Manager

Kupujesz kursy, potem odkładasz na półkę?
Z Elephant AI będzie inaczej.

Istnieją takie tematy gdzie wiedza zmienia się bardzo szybko. Tym rodzajem zagadnienia jest AI.

Z tego powodu zdecydowaliśmy się na kurs kohortowy.

Przy kohorcie, uczestnicy i uczestniczki szkolenia stanowią jedną grupę, która prowadzona przez trenerów i trenerki dąży do wspólnego opanowania tematu. Oznacza to, że wiedzą dzielimy się w taki sposób, aby dało się ją przyswajać małymi porcjami. Każdego dnia.

Dodatkowo, członkowie i członkinie kohorty współtworzą społeczność. Wspólnie rozmawiamy o problemach i je rozwiązujemy.

Zadania! W klasycznych kursach online może i znajdziesz zadania domowe, ale niestety nikt ich nie sprawdzi, bo generowałoby to zbyt wielki nakład pracy dla prowadzących. Przy kohorcie jest inaczej. Każda praca domowa będzie weryfikowana i dopiero na bazie pozytywnej oceny zostanie przyznany certyfikat.

6 tygodni wspólnej nauki

Elephant AI jest programem kohortowym, w którym uczymy się razem. Dołączysz do grona kilkuset studentów i studentek o podobnych celach i podobnej pasji do zgłębienia wykorzystania GenAI w projektach.

WIECZORNE SESJE LIVE

Sercem programu jest 10 sesji LIVE, które odbywają się wieczorami na ZOOM. Spodziewaj się praktycznych ćwiczeń, Q&A i wymiany wiedzy z innymi uczestnikami i uczestniczkami. Warsztaty będą prowadzone przez Konrada Banachewicza oraz gości i gościnie specjalnych/e i potrwają ok. 2 godziny. WSZYSTKIE sesje LIVE będą nagrywane, więc nic Cię nie ominie.

PRACE DOMOWE

Prawie każde zajęcia będą podsumowywane realizowaną przez Ciebie pracą domową - praktycznym zadaniem, podczas którego zaprezentujesz swoje nowe umiejętności. Realizacja prac domowych będzie niezbędna do ukończenia kursu.

KONKURS NA ZALICZENIE KURSU

Na zakończenie programu weźmesz udział w wyzwaniu Data Science i zmierzysz się z innymi uczestnikami i uczestniczkami kursu. Konkurs będzie obowiązkowym elementem dla zaliczenia kursu.

WSPÓLNE KODOWANIE

Zaprosimy Cię na specjalną sesję koderską, podczas której wspólnie będziemy rozwiązywać zadania z zakresu GenAI na Kaggle.

WIECZÓR KODERSKI

Pochylimy się nad case'ami z zakresu GenAI i przeprowadzimy Q&A, na którym odpowiemy na wszyskie Twoje pytania dot. GenAI.

MATERIAŁY NA START

Otrzymasz dostęp do źródeł, które pomogą Ci przygotować się do kursu - do nauki dla początkujących i do powtórzenia dla bardziej zaawansowanych.

skrypty diy

Nasze skrypty pozwolą Ci samodzielnie wykonać własne modele (np. model LLM oparty na AI Act).

FEEDBACK DO POSTĘPÓW

W programie weźmie udział kilkaset osób z pasją do AI, więc tworzymy przestrzeń do Peer Review pomiędzy uczestnikami.

SPOŁECZNOŚĆ ELEPHANT AI

Uczysz się w grupie, a nie samotnie. Nasz program oparty jest o społeczność działającą razem w ramach 6 tygodni kursu. Codziennie będziesz uczestniczyć w dyskusjach na platformie kursu, Q&A i dzieleniu się wiedzą.

Dlaczego GenAI Code?

"GenAI świetnie wspiera codzienne zadania, skracając czas ich wykonania, a co za tym idzie, pozwala na realne oszczędności w organizacjach. (...) Nie mogę doczekać się tworzenia czatbotów i spraw związanych z prezentowaniem postępów projektów."

Cezary Orzechowski
Inżynier budownictwa

Zaufało nam 2000+ osób

Pierwsza edycja kursu GenAI Code:
7 października - 17 listopada

🇵🇱 Tworzymy największe szkolenie dotyczące AI dla menedżerów w Polsce, a teraz otwieramy się na nową grupę - osoby kodujące. Skorzystaj z naszego doświadczenia.

Zaufało nam 2000+ osób

Pierwsza edycja kursu GenAI Code:
7 października - 17 listopada

🇵🇱 Tworzymy największe szkolenie dotyczące AI dla menedżerów w Polsce, a teraz otwieramy się na nową grupę - osoby kodujące. Skorzystaj z naszego doświadczenia.

6 tygodni pełnych wiedzy, case studies i interakcji w społeczności

Skuteczność zrozumienia AI, aktualnie w dużym stopniu zależy od sposobu przekazania kontekstu. Podczas Elephant AI podzielimy się naszymi najlepszymi taktykami i niewykluczone, że wspólnie z całą grupą uczestników i uczestniczek edycji, trafimy na zupełnie nowe rozwiązania. Dlatego zdecydowaliśmy na interaktywny, kohortowy format Elephant AI zamiast klasycznego kursu opartego na oglądaniu wideo na platformie.

Moduł 1

Wprowadzenie do Generative AI

Tematy
Wstęp do Foundational Models, terminologia
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Genealogia i chronologia LLM (wraz z zastosowaniami)
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Przykłady zastosowań: czat, obraz, muzyka
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Open vs closed source
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Prompt engineering - tekst, obraz
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Zasady Prompt Engineeringu
  • Zasady budowania promptów
  • "Rozumowanie" GPT i prawdopodobieństwo
  • Kontekst i słowa kluczowe
  • Dynamiczne dane w prompcie
  • Techniki tworzenia promptów [z ChatGPT]
In Context Learning / Zero/One/ Few-shot learning
  • Techniki zadawania pytań
  • Otrzymuj o co pytasz
  • Nauka na przykładach
  • Zestawy danych
Zaawansowane techniki tworzenia promptów
  • Reverse Prompt Engineering
  • Chain of Thought
  • Ukrywanie danych
  • Nowy język
Efekty
  • Umiesz wyjaśnić podstawowe pojęcia i terminologię związaną z generatywną sztuczną inteligencją oraz foundational models.
  • Znasz etapy rozwoju dużych modeli językowych (LLM), rozumiesz ich genealogię oraz wymieniasz konkretne przykłady zastosowań tych technologii.
  • Umiesz porównać i ocenić różnice między modelami open source a komercyjnymi rozwiązaniami generatywnej AI.
  • Umiesz zastosować techniki prompt engineering w praktycznych przykładach tekstowych i wizualnych.
  • Identyfikujesz i oceniasz potencjalne zastosowania generatywnej AI w różnych dziedzinach, takich jak czatboty, generowanie obrazów i muzyki.
Przykładowe projekty
  • Budowanie zapytań do modeli tekstowych.
  • Budowanie zapytań do modeli tworzących obraz.
  • Umiejętność doboru właściwego modelu do zadania.
Moduł 2

GenAI - obraz

Tematy
Jak działają modele dyfuzyjne
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Budujemy prompt krok po kroku
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
SD dla każdego: Gradio demo, on HF, Streamlit
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
DALL-E 3: GUI via OpenAI, dostęp przez API
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Dostrajanie SD (Dreambooth)
Efekty
  • Wiesz, jak działają modele dyfuzyjne oraz potrafisz opisać podstawowe zasady ich działania w kontekście generatywnej AI.
  • Tworzysz i dostosowujesz prompty do generowania obrazów krok po kroku, demonstrując zrozumienie procesu i technik.
  • Używasz narzędzi, takich jak Gradio, Hugging Face (HF) oraz Streamlit do udostępniania i testowania modeli generatywnych.
  • Koszystasz z DALL-E 3 poprzez GUI OpenAI oraz przez API, wykazując się umiejętnością integracji i wykorzystania tych narzędzi w praktycznych zastosowaniach.
  • Umiesz dostroić modele Stable Diffusion (SD) za pomocą technik, takich jak Dreambooth, w celu tworzenia spersonalizowanych portretów.
Przykładowe projekty
  • Syntetyczne modele: tworzenie wizualizacji z wirtualnymi modelami dowolnej płci, koloru, sylwetki.
  • Projektowanie wnętrz: wystrój z opisu tekstowego, modyfikacja pomieszczenia na podstawie tekstu klienta.
  • Automatyzacja generowania wszelkiego rodzaju grafik, w tym kampanii marketingowych.
Moduł 3

GenAI - tekst

Tematy
Transformer: geneza - krótko o architekturze LLM, jak to działa
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 1: Generowanie tekstu z LLM, generowanie podsumowań
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 2: Q&A z LLM, HF assistant
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 3: Kodowanie
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Asystenci kodowania
Zasady Prompt Engineeringu
  • Zasady budowania promptów
  • "Rozumowanie" GPT i prawdopodobieństwo
  • Kontekst i słowa kluczowe
  • Dynamiczne dane w prompcie
  • Techniki tworzenia promptów [z ChatGPT]
In Context Learning / Zero/One/ Few-shot learning
  • Techniki zadawania pytań
  • Otrzymuj o co pytasz
  • Nauka na przykładach
  • Zestawy danych
Zaawansowane techniki tworzenia promptów
  • Reverse Prompt Engineering
  • Chain of Thought
  • Ukrywanie danych
  • Nowy język
Efekty
  • Rozumiesz podstawowe zasady działania architektury Transformer oraz jej znaczenie w kontekście dużych modeli językowych (LLM).
  • Stosujesz modele LLM do generowania tekstu oraz tworzenia podsumowań, wykazując się umiejętnością konfigurowania i uruchamiania takich modeli.
  • Wykorzystujesz modele LLM do odpowiadania na pytania (Q&A) oraz obsługi asystentów takich jak Hugging Face Assistant, demonstrując zdolność integracji i praktycznego wykorzystania tych technologii.
  • Stosujesz modele generatywnej AI do kodowania, korzystając z narzędzi, takich jak asystenci kodowania, oraz zrozumiesz, jak te narzędzia wspierają proces programowania.
  • Umiesz przeprowadzić samodzielne eksperymenty z generatywną AI, w tym rozmowę z plikami przy użyciu platform, takich jak OpenAI, Hugging Face oraz implementacji własnych, demonstrując praktyczne umiejętności i kreatywność w zastosowaniu technologii.
Przykładowe projekty
  • Budowa narzędzi do automatycznego streszczania długich dokumentów - szczególnie użyteczne w audytach, analizach reklamacji, analizach tekstów prawnych i pism klientów.
  • Automatyzacja pisania tekstów, postów, reklam i maili spersonalizowanych do potrzeb klientów.
  • Generowanie materiałów edukacyjnych i scenariuszy do szkoleń pracowników.
Moduł 4

GenAI - dźwięk

Tematy
Jak działają modele GenAI do dźwięku / głosu / muzyki
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 1: Audiocraft
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 2: Bark/Suno - voice cloning
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 3: TTS - Parler
Efekty
  • Umiesz wyjaśnić, jak działają generatywne modele do dźwięku, głosu i muzyki, opisując podstawowe zasady i techniki używane w tych modelach.
  • Stosujesz narzędzie Audiocraft do generowania muzyki, demonstrując umiejętność tworzenia oryginalnych utworów muzycznych przy użyciu modeli generatywnych.
  • Używasz narzędzi, takich jak Bark/Suno do klonowania głosu, wykazując zdolność do tworzenia realistycznych replik głosów.
  • Korzystasz z technologii Text-to-Speech (TTS) za pomocą narzędzia Parler, demonstrując umiejętność przekształcania tekstu w naturalnie brzmiący dźwięk.
  • Dostosowujesz modele generatywne do specyficznych zadań związanych z dźwiękiem i muzyką, pokazując zdolność do personalizacji i optymalizacji modeli w celu uzyskania pożądanych efektów dźwiękowych.
Przykładowe projekty
  • Automatyczne generowanie głosu lektora zamiast tekstu.
  • Automatyczne generowanie napisów w wielu językach, w tym opisów dla niedowidzących.
  • Generowanie ścieżek dźwiękowych, jingli i efektów dźwiękowych do reklam i produkcji wideo.
Moduł 5

GenAI - wideo

Tematy
Jak działają generatywne modele wideo
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 1: text -> wideo
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 2: obraz -> wideo
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 3: wideo -> wideo (transfer stylu)
Zaawansowane techniki tworzenia promptów
  • Reverse Prompt Engineering
  • Chain of Thought
  • Ukrywanie danych
  • Nowy język
Efekty
  • Umiesz wyjaśnić, jak działają generatywne modele wideo, opisując podstawowe zasady i techniki używane do generowania oraz modyfikowania treści wideo.
  • Stosujesz generatywne modele do tworzenia wideo na podstawie tekstu (text-to-video).
  • Przekstałcasz obrazy w wideo (image-to-video) przy użyciu generatywnych modeli, pokazując zdolność do tworzenia dynamicznych treści wizualnych z istniejących obrazów.
  • Umiesz przeprowadzać transfer stylu na wideo (video-to-video style transfer).
  • Potrafisz dostroić modele generatywne wideo do specyficznych zadań, pokazując zdolność do personalizacji i optymalizacji modeli w celu uzyskania pożądanych efektów wizualnych.
Przykładowe projekty
  • Transfer stylu wideo do celów reklamowych.
  • Automatyczne generowanie wideo z demonstracją produktu.
  • Wystrój wnętrz: wirtualne środowisko 3D demonstrujące pracę designerów.
Moduł 6

GenAI - multimodal

Tematy
Kombinacje rozwiązań z różnych domen: tekst, obraz, wideo, dźwięk, 3D
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 1: image-to-text
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 2: video-to-text
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 3: text-to-speech
Efekty
  • Umiesz wyjaśnić, jak łączyć generatywne technologie z różnych domen (tekst, obraz, wideo, dźwięk, 3D) w celu tworzenia zaawansowanych, multimodalnych aplikacji.
  • Stosujesz technologię image-to-text, przekształcając obrazy w opisy tekstowe za pomocą generatywnych modeli.
  • Wykorzystujesz technologię video-to-text do generowania opisów tekstowych na podstawie materiałów wideo, pokazując umiejętność analizy i syntezy informacji wizualnych w formie tekstu.
  • Używasz technologii text-to-speech do przekształcania tekstu w naturalnie brzmiący dźwięk, demonstrując umiejętność tworzenia realistycznych syntezatorów mowy.
  • Potrafisz zintegrować różne technologie generatywne w celu stworzenia zaawansowanych aplikacji, takich jak głosowy asystent z funkcją tłumaczenia i generowania podsumowań, pokazując zdolność do tworzenia kompleksowych, multimodalnych systemów AI.
Przykładowe projekty
  • Tworzenie aplikacji typu automatyczna przymierzalnia (wizualizacja, jak ubranie będzie leżało na danej osobie).
  • Tworzenie własnych awatarów, które będą mówić naszym głosem i wyglądać jak my.
  • Tworzenie kompleksowych prezentacji PowerPoint na podstawie danych wejściowych i wytycznych użytkownika.
Moduł 7

RAG

Tematy
Problemy z LLM: halucynacje, przeterminowana wiedza
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
RAG: elementy
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Wprowadzenie do wektorowych baz danych
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 1: RAG od podstaw
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 2: RAG jako endpoint
Efekty
  • Identyfikuesz i wyjaśniasz główne problemy związane z dużymi modelami językowymi (LLM), takie jak halucynacje czy przeterminowana wiedza.
  • Umiesz opisać i rozumiesz elementy składowe Retrieval-Augmented Generation (RAG) oraz ich rolę w poprawie dokładności i aktualności generowanych informacji.
  • Znasz podstawy wektorowych baz danych, rozumiesz ich znaczenie i zastosowanie w kontekście RAG.
  • Budujesz podstawowy system RAG, wykazując umiejętność integracji różnych technologii w celu poprawy wyników generowanych przez LLM.
  • Konfigiurujesz i wykorzystujesz RAG jako punkt końcowy (endpoint) do generowania bardziej dokładnych i aktualnych odpowiedzi.
Przykładowe projekty
  • Inteligentny Chatbot odpowiadający na pytania klientów, podający dane specyficzne dla firmy, w bezpieczny sposób.
  • Inteligentny Chatbot, będący podręczna bazą wiedzy dla pracowników, np. procedury, procesy, typowe pytania.
  • Generowanie dokumentów HR, takich jak opisy stanowisk, formularze ocen pracowniczych i plany rozwoju.
Moduł 8

Ewaluacja

Tematy
Jak mierzyć to, co robią LLMy: przegląd metryk
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 1: DeepEval
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 2: Promptbench
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 3: Giskard
Efekty
  • Identyfikujesz i wyjaśniasz różne metryki używane do oceny wydajności dużych modeli językowych (LLM).
  • Stosujesz narzędzie DeepEval do oceny wydajności LLM.
  • Używasz platformy Promptbench do porównywania różnych promptów i analizowania ich wpływu na wyniki generowane przez LLM.
  • Umiesz przeprowadzić ocenę modeli za pomocą narzędzia Giskard.
  • Samodzielnie przeprowadzasz ewaluację dostrojonego modelu, wykorzystując zdobyte umiejętności i narzędzia.
Przykładowe projekty
  • Ocena jakości generowanych treści: tekst, obraz, multimodal.
  • Dobór właściwych metryk w zależności od zadania.
Moduł 9

Monitoring

Tematy
Czy LLM robią to, co powinny? Jak nie zostać Tay 2.0
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 1: Llama Guard
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 2: Fiddler
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Use case 3: Arize Phoenix
Efekty
  • Rozumiesz i potrafisz wyjaśnić znaczenie monitorowania dużych modeli językowych (LLM) w celu zapewnienia, że działają one zgodnie z oczekiwaniami i nie generują szkodliwych treści.
  • Umiesz zastosować narzędzie Llama Guard do monitorowania i kontrolowania LLM.
  • Używasz platformy Fiddler do monitorowania modeli w czasie rzeczywistym, analizowania wyników i dostosowywania modeli w celu poprawy ich wydajności.
  • Umiesz przeprowadzić monitoring LLM za pomocą narzędzia Arize Phoenix, pokazując zdolność do wykrywania, diagnozowania i naprawiania problemów z modelami generatywnymi.
  • Samodzielnie monitorujesz dostrojony model, wykorzystując zdobyte umiejętności i narzędzia, aby zapewnić zgodność modelu z oczekiwaniami i unikać problemów takich jak Tay 2.0.
Przykładowe projekty
  • Analiza działania modelu: bezpieczeństwo, szybkość.
  • Użycie automatycznych narzędzi do skalowania monitoringu modeli GenAI.
Moduł 10

GCP

Tematy
GCP i GenAI
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Gen AI Studio
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
Model Garden
  • Czym jest a czym nie jest GPT-4
  • Oczekiwania vs Rzeczywistość
  • Narzędzia komplementarne [Copilot/Tabnine]
  • Szybki start z Playground
  • Praca z ChatGPT Plus
  • Formatowanie danych
  • Błędna i nieaktualna wiedza
LLMOps vs MLOps
Efekty
  • Rozumiesz i jesteś w stanie wyjaśnić, jak Google Cloud Platform (GCP) wspiera generatywną AI, opisując dostępne narzędzia i usługi.
  • Umiesz korzystać z Gen AI Studio na GCP do projektowania, trenowania i wdrażania modeli generatywnych AI, pokazując praktyczne umiejętności pracy z tą platformą.
  • Rozumiesz funkcje i zastosowania Model Garden na GCP, wykazując zdolność do wyboru i dostosowywania odpowiednich modeli AI.
  • Umiesz porównać LLMOps z tradycyjnymi MLOps, identyfikując kluczowe różnice i wyzwania związane z zarządzaniem dużymi modelami językowymi w środowisku produkcyjnym.
  • Samodzielnie przeprowadzasz proces deploymentu dużego modelu językowego na Vertex AI.
Przykładowe projekty
  • Eksploracja modeli, porównanie ich funkcjonalności w warunkach sandboxu.
  • Skalowanie rozwiązań GenAI.
  • Deployment aplikacji w chmurze.

Rozbuduj swoje portfolio o następujące technologie:

AI DEVS DEMO by overment

Jak wykorzystuję OpenAI, GPT-3.5, GPT-4 i text-embedding-ada-002 [Alice i jej możliwości]

W tym warsztacie pokazuję jak wykorzystuję GPT-4 do optymalizacji codziennych zadań poprzez fakt, że GPT-4 jest dla mnie dostępne w dowolnej aplikacji, jest podłączone do mojej bazy danych oraz jest zdolne do wykonywania różnego rodzaju akcji, również w tle.

– ChatGPT vs GPT-4
– Integracja GPT-4 z dowolnym programem na komputerze i telefonie
– Spersonalizowana interakcja i własna baza wiedzy
– Rozszerzanie możliwości GPT-4 i obchodzenie ograniczeń
– Szybki development narzędzi zwiększających produktywność
– GPT-4 realizujące zadania w tle

Pokazuję:
– moje makra
– moje automatyzacje
– przykłady integracji z różnymi aplikacjami (notion, feedly)
– integrację ze Slack
– Alice i jej możliwości 💪

Prowadzący GenAI Code

Konrad Banachewicz
PhD, Kaggle Grandmaster

Wybitny specjalista w dziedzinie AI. Jest
jednym z najbardziej wszechstronnych i doświadczonych profesjonalistów w branży. Swoją przygodę z AI rozpoczął ponad 20 lat temu.

Po otrzymaniu doktoratu na Vrije Universiteit w Amsterdamie, gdzie koncentrował się na badaniach naukowych z zakresu modelowaniu ekstremalnych zależności w ryzyku kredytowym, wykorzystywał swoje umiejętności w praktycznych zastosowaniach biznesowych.

Konrad pracował dla prestiżowych instytucji finansowych takich jak ABN AMRO, RBS i ING, budując rozwiązania machine learning kluczowych problemów inwestycyjnych. W 2015 został poproszony o stworzenie centralnego zespołu data science w eBay Classifieds Group. Obecnie pracuje w IKEA AI Lab w Amsterdamie jako Principal Data Scientist.

Przeszedł przez wszystkie etapy cyklu tworzenia produktów opartych na danych: od zrozumienia wymagań biznesowych, przez pozyskiwanie i obróbkę danych, modelowanie, testowanie, deployment i prezentację wyników kadrze zarządzającej.

Ma na swoim koncie liczne sukcesy w tworzeniu rozwiązań AI w różnych branżach, w tym high frequency trading, ryzyko kredytowe, przewidywanie cen płodów rolnych, analiza anomalii w urządzeniach przemysłowych, optymalizacja rekomendacji i multimedialne asystenty zakupowe. Jego praca w obszarze AI była pionierska, zwłaszcza w czasach, gdy większość biznesów uważała AI za ciekawostkę.

Jego pasja do dzielenia się wiedzą i mentorowania młodych talentów jest nieoceniona. Jest autorem bestsellerowych książek o AI. Wierzy, że kluczem do sukcesu jest nie tylko umiejętność rozwiązywania praktycznych problemów, ale także zrozumienie, jak unikać typowych błędów.

Poza pracą Konrad aktywnie uczestniczy w konkursach na Kaggle i trenuje Krav Magę. Jest osobą, która nieustannie dąży do doskonalenia siebie zarówno na polu zawodowym, jak i osobistym.

Konrad jest autorem i współautorem wysoko ocenianych książek z obszaru Data Science, Machine Learning i GenAI

Tagline

Gościni Specjalna i Goście Specjalni

Maria Parysz
Ekspertka AI, założycielka Elephant AI, CEO LogicAI i RecoAI, Researcherka Ph.D. AI, autorka książek o AI, prowadząca bestsellerowy kurs AI dla Managerów

Head of Fraud Intelligence w Nethone, Security Officer w Airspace Intelligence oraz co-founder w Pricellent i Ceforai. Ponad 89 000 obserwujących na kanale YouTube.

Santiago Valdarrama
Machine Learning Engineer, założyciel Tideily, influencer AI (357 tys. obserwujących), mówca i rozpoznawalny na całym świecie nauczyciel AI

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Luca Massaron
Data Science & Modelling Senior Expert w illimity Bank, Kaggle Grandmaster, Google Developer Expert, autor 19 bestsellerowych książek o AI

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Santiago Valdarrama - 357 tys. obserwatorów na X (@svpino)

Podczas kursu będziesz uczyć się od najlepszych - to gwarancja sukcesu! Jednym z naszych gości będzie Santiago Valdarrama, Machine Learning Engineer i popularyzator wiedzy technologicznej, znany na YouTube jako Underfitted.

Luca Massaron, 3x Kaggle Grandmaster, autor 19 książek o AI

Gościem kursu będzie również Luca Massaron, Data Science & Modelling Senior Expert w illimity Bank z ponad dziesięcioletnim doświadczeniem, trzykrotny Kaggle Grandmaster, Google Developer Expert. Luca jest autorem wielu książek z obszaru Sztucznej Inteligencji, Machine Learningu i algorytmów.

Zobacz opinie uczestników i uczestniczek kursów Elephant AI

Możliwe, że znasz już inne nasze kursy, podcasty, webinary dotyczące AI. Opieramy się na doświadczeniu z siedmiu edycji kursu AI dla Menedżerów, w którym wzięło udział blisko 2000 osób (kolejna edycja startuje już 23 września!). Elephant AI to jeszcze więcej. Sprawdź opinie👇

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat. Aenean faucibus nibh et justo cursus id rutrum lorem imperdiet. Nunc ut sem vitae risus tristique posuere.

Dlaczego GenAI Code?

"Najbardziej podoba mi się ogrom możliwości, jakie daje ta technologia i nieograniczone możliwości zastosowania w każdej dziedzinie życia. (...) W pracy planuję zaimplementować czatbota napędzanego przez LLM w naszym helpdesku i wykorzystać go w naszej wewnętrznej bazie wiedzy."
Maciej Drabik
Administrator systemów

Dołącz do GenAI Code od Elephant AI

Super, że będziesz z nami!

7-dniowa gwarancja

Szkolenie trwa 6 tygodni. Masz prawo rezygnacji do 7 dni od daty jego rozpoczęcia. Możesz więc uczestniczyć w dwóch zajęciach i powiedzieć, że to jednak nie dla Ciebie lub nie masz czasu na szkolenie, a my zwrócimy Ci 100% wpłaconych pieniędzy, w ciągu kilku dni roboczych. Niczego nie ryzykujesz. Działamy w pełnym zaufaniu.

2 raty 0%

Dajemy możliwość zakupu na 2 raty 0%. Pierwsza jest płatna od razu, druga w ciągu 7 dni od startu. Raty obsługujemy samodzielnie, a nie przez bank, więc nie wpływają na Twoją zdolność kredytową.

Finansowanie z budżetu szkoleniowego

Wielu kursantów i wiele kursantek wybiera finansowanie z budżetu firmy. Napisz na code@elephantai.io jeśli potrzebujesz proformy lub dedykowanej oferty. Dla zespołów liczących ponad 3 osoby oferujemy rabaty.

Cena promocyjna do __ kwietnia
Zapisz się na listę oczekujących
2 edycja już w I kwartale 2025
Includes:
6-tygodni nauki w programie GenAI Code prowadzonym przez Konrada Banachewicza, PhD, Kaggle Grandmastera
20+ godzin warsztatów LIVE.
Gościni specjalna i goście specjalni.
Dostęp do nagrań i materiałów na 6 miesięcy.
Prace domowe.
Wspólne kodowanie.  
Wieczór koderski.
Materiały na start.
Skrypty DIY.
Konkurs na zaliczenie kursu.
Rozpoznawalny i uznany certyfikat od Elephant AI, zawierający suplement opisujący Twoje nowe kompetencje.
Zapisz się na listę oczekujących
🔥 2000+ osób zapisanych na kursy Elephant AI!
Potrzebujesz więcej czasu?
Zapisz się na listę zainteresowanych.
Zapisując się akceptujesz Politykę Prywatności oraz wyrażasz zgodę na dołączenie do newslettera Elephant AI prowadzonego przez ElephantAI sp. z o.o. Spokojnie, nie spamujemy i w każdej chwili możesz się wypisać :)
Dzięki, jesteśmy w kontakcie!
Coś poszło nie tak, spróbuj ponownie.

Sprawdź nasze pozostałe kursy

Najlepszy na start!
AI dla Menedżerów
Maria Parysz
7-tygodniowy kurs zastosowania najnowszych technologii obszaru AI (łącznie z ChatGPT, GPT-4 i GenAI) do rozwoju projektów i produktów w twojej firmie.
Praktyczny krok budowania GenAI
GenAI Code™
Konrad Banachewicz, PhD
Ten 6-tygodniowy kurs wyposaży Cię w umiejętności niezbędne do tworzenia rozwiązań wykorzystujących moc generatywnej sztucznej inteligencji (GenAI).

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Niezbędny do zrozumienia AI Act
Prawo SI dla Biznesu™
mec. Kamil Hamelusz
5-tygodniowy kurs dot. AI Act i prawnych aspektów tworzenia i wdrażania AI, obejmujący etapy od koncepcji po wprowadzenie produktu na rynek.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Najbardziej zaawansowany
Agenci AI: Narzędzia Przyszłości™
Konrad Banachewicz, PhD
Ten kompleksowy program ma na celu wyposażenie w umiejętności niezbędne do wdrażania rozwiązań opartych na Agentach AI.

Specjalizacje Bartka: Machine Learning, Deep Learning, Natural Language Processing, Neural Machine Translation, Mobile & Conversational User Interfaces.

Kup dwa kursy w pakiecie

Zapłać 990 PLN mniej

2

komplementarne
kursy dla kodujących

12

tygodni
ciągłej nauki

-25%

rabat przy zakupie
kursów w pakiecie

3980 PLN

2990

PLN za cały pakiet

Konrad
Banachewicz

dwa powiązane kursy,
jeden prowadzący

Czego nauczysz się w każdym z kursów

Wprowadzenie do GenAI
Kluczowe pojęcia, modele i chronologia rozwoju LLM.
Praca z tekstem
Generowanie tekstu, tworzenie podsumowań i systemów Q&A z wykorzystaniem LLM.
Stable Diffusion i DALL-E 3
Modele dyfuzyjne i techniki tworzenia promptów do generowania obrazów. Dostrajanie modeli za pomocą technik Dreambooth.
Generowanie wideo i dźwięku
Generowanie wideo z tekstu i obrazów oraz transfer stylu w wideo.
Podejście multimodalne
Łączenie różnych modalności (tekst, obraz, wideo, dźwięk) w celu tworzenia zaawansowanych aplikacji GenAI.
RAG
Problemy LLM i wprowadzenie RAG (Retrieval-Augmented Generation).
DeepEval, Promptbench i Giskard
Ewaluacja modeli LLM. Metryki i narzędzia do oceny wydajności modeli językowych.
Llama Guard, Fiddler i Arize Phoenix
Monitorowanie modeli LLM w celu zapewnienia ich prawidłowego działania.
Google Cloud (GCP)
Infrastruktura chmurowa. Korzystanie z Gen AI Studio, Model Garden i poznanie różnic między LLMOps a MLOps.
Agenci AI
Dlaczego same LLM to za mało. Różne typy agentów i ich główne zastosowania.
LangChain, CrewAI i AutoGen
Frameworki agentowe. Wybranie odpowiednich narzędzi i tworzenie agentów z wykorzystaniem API OpenAI i lokalnych modeli.
Agenci i RAG
Implementacja routingu zapytań i tworzenie agentów zdolnych do samodzielnego wyciągania wniosków z danych.
Systemy wieloagentowe
Łączenie agentów w celu rozwiązywania złożonych zadań. Narzędzia low-code do budowy takich systemów.
Ewaluacja agentów
Metody oceny wydajności i skuteczności agentów AI. Popularne benchmarki i analiza kosztów użytkowania agentów.
Monitoring agentów
Śledzenie pracy agentów i implementacja kompleksowych systemów monitoringu.
Bezpieczeństwo i etyka
Potencjalne zagrożenia, zapobieganie im i nauka działań naprawczych.
Optymalizacja kosztów
Efektywne zarządzanie zasobami przy skalowaniu rozwiązań agentowych.
Przyszłość AI i agentów
Analiza kierunków rozwoju technologii agentowych. Etyczne implikacje i potencjalne zastosowania agentów AI w przyszłości.
Certyfikaty ukończenia
Rozpoznawalny i uznany certyfikat od Elephant AI, zawierający suplement opisujący Twoje nowe kompetencje.

AI to coś więcej niż nowa gorączka złota.

Dołącz do Elephant AI.

FAQ

Masz dodatkowe pytanie?
Odpowiemy szybko!
(i mimo wszystko to będzie człowiek;)

Nie mam backgroundu technicznego, czy to kurs dla mnie?

Do udziału w kursie wystarczą podstawowe umiejętności programistyczne, nie musisz być na poziomie zaawansowanym. Wystarczy, że znasz podstawy Pythona (listy, słowniki) i masz chociaż niewielkie doświadczenie z scikit-learn (użycie method typu .fit czy .predict pomaga). Zajrzyj na https://konradb.substack.com/p/eu-ai-act-talk-to-the-pdf. Jeśli to Cię nie przeraża, na pewno dasz sobie radę. Bardziej zaawansowane osoby również znajdą tu coś dla siebie.

Jeśli z tymi zagadnieniami zupełnie nie jest Ci po drodze, może zainteresuje Cię nasz kurs no-code (nie tylko dla menedżerów): AI dla Menedżerów.

Nie wiem, czy mogę uczestniczyć we wszystkich spotkaniach LIVE. Co wtedy? Czy coś mnie ominie?

Spokojnie, wszystkie spotkania są nagrywane. Sporo osób, które brały udział w kursie samodzielnie ułożyło sobie harmonogram działań, pod swoje możliwości czasowe. Zajęcia LIVE odbywają się wieczorami (poniedziałki i środy), właśnie dlatego, żeby były dostępne dla jak największej liczby osób i nie kolidowały z codziennymi zadaniami.

Zaliczenie kursu brzmi strasznie, nie jestem osobą biegłą w AI – czy go zaliczę?

Aby zaliczyć kurs, wystarczy pracować systematycznie i realizować prace domowe. Zadania będą powiązane bezpośrednio z materiałem realizowanym pdczas zajęć. Zwieńczeniem programu będzie konkus na Kaggle - wystarczy, że weźmiesz w nim udział, rezultat jest drugorzędny. Warto jednak się starać, ponieważ najlepsi studenci i najlepsze studentki otrzymają wyróżnienia!

Czy ten kurs jest praktyczny?

Kurs zawiera mnóstwo elementów praktycznych i będą one stanowić bazę tego kursu - use case'y, programowanie na żywo, ćwiczenia, prace domowe, sesje Q&A i spotkania z praktykami ze świata. To wszystko pozwoli Ci zdobyć wiedzę i umiejętności niezbędne do tworzenia własych rozwiązań wykorzystujących GenAI.

Czy kurs pomaga w karierze?

Najlepszą odpowiedzią na to pytanie są historie naszych absolwentek i absolwentów. Część z nich już w trakcie kursu awansowała, a niektórzy dostali podwyżkę (zobacz historie absolwentów i absolwentek). Wszyscy zauważyli też zwiększenie ruchu na swoich profilach na LinkedIn, po udostępnieniu informacji, że biorą udział w kursie Elephant AI. Dodatkowym atutem, na który zwracają uwagę nasi uczestnicy i nasze uczestniczki jest aspekt społecznościowy. Dzięki interakcji z innymi kursantami i kursantkami z bardzo różnych branż, nawiązali oni i nawiązały one wiele cennych kontaktów biznesowych. Kurs kończy certyfikat generowany z Certifier, w języku angielskim. Potwierdza on zdobytą przez Ciebie wiedzę. Dodatkowo jako Elephant Team aktywnie promujemy naszych kursantów i nasze kursantki, m.in. poprzez posty w social mediach oraz filmy na LinkedIn i YouTube, pokazując tam ich profile.

Czy muszę umieć programować?

Tak, ale Twoje umiejętności nie muszą być zaawansowane. Wystarczy, że znasz podstawy Pythona (listy, słowniki) i masz chociaż niewielkie doświadczenie z scikit-learn (użycie method typu .fit czy .predict pomaga). Zajrzyj na https://konradb.substack.com/p/eu-ai-act-talk-to-the-pdf. Jeśli to Cię nie przeraża, na pewno dasz sobie radę. Bardziej zaawansowane osoby również znajdą tu coś dla siebie.

Czy AI jest dla każdej firmy?

Jest to bardzo indywidualne pytanie. Jeżeli Twój pracodawca / Twoja pracodawczyni lub specyfika branży, w jakiej pracujesz, nie stawiają jasnych ograniczeń, to będziesz w stanie wykorzystać potencjał AI. Rozwiązania, które będziemy tworzyć na kusie, sprawdzają się w wielu kontekstach, choć to tylko wycinek opcji.

Ile muszę zapłacić za dodatkowe narzędzia?

Udział w Elephant AI nie wymaga żadnych dodatkowo płatnych narzędzi.

Czym to się różni od innych szkoleń na ten temat?

Skuteczność zrozumienia AI aktualnie w dużym stopniu zależy od sposobu przekazania kontekstu. Podczas kursu Elephant AI podzielimy się naszymi najlepszymi technikami i niewykluczone, że wspólnie z całą grupą uczestników i uczestniczek edycji, trafimy na zupełnie nowe rozwiązania. Dlatego zdecydowaliśmy na interaktywny, kohortowy format Elephant AI zamiast klasycznego kursu opartego o samo oglądanie video na platformie.

Kiedy startujemy i jak długo to potrwa?

Druga edycja rozpocznie się już w I kwartale przyszłego roku. Kurs potrwa 6 tygodni.

Ile czasu potrzebuję na ten program?

Najwięcej skorzystasz jeśli poświęcisz ok. 6 godzin tygodniowo na udział w sesjach LIVE i zadania. Skala zaangażowania zależy jednak tylko od Ciebie, część uczestników i uczestniczek poświęca więcej czasu, a część wybiera dla siebie najciekawsze dla nich elementy.

W jakiej formie jest kurs?

Kurs odbywa się w formule kursu kohortowego online. Wszystkie zajęcia LIVE są prowadzone przez ZOOM, a materiały i społeczność znajdziesz na specjalnie stworzonej przestrzeni w ramach platformy Circle.so.

Kiedy będą zajęcia LIVE i czy będą nagrywane?

Zajęcia LIVE będą odbywały się w poniedziałki i środy w godz. 19:00-21:00 i będą nagrywane.

Jak długo mam dostęp do materiałów?

Dostęp do wszystkich nagrań, materiałów oraz ich aktualizacji masz na 6 miesięcy od startu kursu.

Jak wygląda agenda?

Staramy się tworzyć najlepszy program na rynku. Dokładny zakres tematyczny znajdziesz w sekcji Program.

Jak dołączyć?

Dostęp opłacisz kartą, przelewem online lub BLIKiem przez EasyCart tutaj.

Czy można dostać proformę?

Oczywiście, napisz na code@elephantai.io i podaj dane do faktury.

Czy można kupić na raty?

Tak, dajemy możliwość zakupu na 3 raty 0%. Pierwsza jest płatna od razu, druga do dnia startu kursu, a trzecia w ciągu 2 tygodni od startu.

Czy można sfinansować kurs z budżetu szkoleniowego?

Tak, wielu uczestników i wiele uczestniczek dostaje finansowanie z budżetu szkoleniowego. Wyślij naszą stronę do swojego szefa/szefowej lub napisz do nas, jeśli potrzebuje dodatkowych argumentów lub chcecie wziąć udział w kursie większym zespołem.

Czy jest gwarancja?

Dajemy 7-dniową gwarancję satysfakcji dla wszystkich uczestników i uczestniczek. Jeśli z jakiegoś powodu nie będziesz zadowolony/a z kursu, skontaktuj się z nami w ciągu 7 dni od daty startu kursu, a zwrócimy Ci pełną kwotę bez zadawania żadnych pytań.

Gdzie jest regulamin?

Regulamin znajdziesz tutaj.

Czy dostanę fakturę?

Tak, otrzymasz fakturę automatycznie po zakupie dostępu.

Ile to kosztuje?

Na tej stronie znajdziesz informację o najlepszej cenie oraz możliwościach finansowania. Zapraszamy!

Kiedy będzie kolejna edycja?

II edycja startuje już w I kwartale przyszłego roku. Już dziś możesz zapisać się na listę oczekujących, dzięki czemu jako pierwszy/pierwsza uzyskasz informacje o starcie sprzedaży!

Zbiera się wspaniała grupa!

Dołącz do nas!

0
dni
0
h
0
m
0
s
Potrzebujesz więcej czasu na decyzję?

Zapisz się na listę zainteresowanych

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

Zapisując się akceptujesz Politykę Prywatności oraz wyrażasz zgodę na dołączenie do newslettera Elephant AI prowadzonego przez ElephantAI sp. z o.o. Spokojnie, nie spamujemy i w każdej chwili możesz się wypisać :)
Dzięki! Jesteśmy w kontakcie.
Coś poszło nie tak. Spróbuj ponownie.