Technologie i obszary

Przegląd tematów, które w projektach oprogramowania bywają w tle decyzji i błędów. Każdy blok prowadzi do osobnej strony z ilustracją. Na głównej są też quizy w klimacie QA, żeby uporządkować słownik wokół tych haseł.

Uczenie maszynowe i głębokie sieci

Od klasycznych modeli predykcyjnych po sieci głębokie: TensorFlow, PyTorch, pipeline’y treningowe, walidacja krzyżowa i typowe pułapki (np. przecuczenie).

Szczegóły — ML i deep learning

NLP i duże modele językowe

Tokenizacja, embeddingi, architektury typu transformer, dostrajanie modeli i bezpieczne korzystanie z API — materiał zbliżony do quizu NLP na stronie głównej.

Szczegóły — NLP

Computer vision

Konwolucje, detekcja i segmentacja, transfer learning oraz metryki takie jak mAP czy IoU, zgodnie z zakresem testu CNN.

Szczegóły — computer vision

MLOps i jakość modeli

Wersjonowanie danych i modeli, monitoring dryfu, testy regresji modelu oraz integracja z CI/CD — naturalne uzupełnienie perspektywy QA.

Szczegóły — MLOps

Obliczenia i badania

Eksploracja obliczeń kwantowych i połączeń z AI ma charakter wprowadzający; warto śledzić aktualną literaturę i produkty komercyjne.

Szczegóły — kwantowe

Blockchain i decentralizacja

Połączenia AI z rozproszonymi rejestrami bywają eksperymentalne; przydatne przy dyskusji o zaufaniu, źródłach danych i transparentności.

Szczegóły — blockchain