Ścieżka edukacyjna
Dane i sztuczna inteligencja
Od baz danych i Big Data po uczenie maszynowe i nowoczesne modele AI.
- Poziom:
- Średni → Zaawansowany
- Moduły:
- 5
- Lekcje:
- 37 pojęć
Czego się nauczysz
- Bazy danych
- Formaty i przepływ danych
- Big Data i analityka
- Podstawy uczenia maszynowego
- Nowoczesna sztuczna inteligencja
1
Bazy danych
Jak uporządkowane są dane i jak się je z nich pobiera.
- 1 Baza danych Uporządkowany zbiór danych gotowy do przeszukiwania.
- 2 Relacyjna baza danych Dane uporządkowane w powiązane ze sobą tabele.
- 3 SQL Język zapytań do relacyjnych baz danych.
- 4 NoSQL Nierelacyjne bazy danych dla elastycznych struktur.
- 5 Klucz główny Pole jednoznacznie identyfikujące rekord w tabeli.
- 6 Klucz obcy Pole łączące rekordy z inną tabelą bazy danych.
- 7 Indeksowanie Struktura przyspieszająca wyszukiwanie rekordów w bazie danych.
- 8 Transakcja Niepodzielna operacja gwarantująca spójność danych.
- 9 Zapytanie Polecenie pobrania lub zmiany danych w bazie.
- 10 ORM Mapowanie obiektów kodu na tabele bazy danych.
2
Formaty i przepływ danych
W jakich formatach wymieniamy dane i jak dbamy o ich bezpieczeństwo.
- 11 JSON Lekki, czytelny format wymiany danych między aplikacjami.
- 12 XML Znacznikowy format opisu i wymiany danych.
- 13 CSV Prosty format danych tabelarycznych oddzielonych przecinkami.
- 14 ETL Pobieranie, przekształcanie i ładowanie danych (Extract, Transform, Load).
- 15 Backup Zapasowa kopia danych na wypadek awarii lub utraty.
- 16 Redundancja Powielenie elementów zwiększające niezawodność systemu.
3
Big Data i analityka
Praca z ogromnymi zbiorami danych i wyciąganie z nich wniosków.
- 17 Big Data Ogromne zbiory danych trudne do przetworzenia klasycznymi metodami.
- 18 Data Mining Odkrywanie ukrytych wzorców w dużych zbiorach danych.
- 19 Hurtownia danych Centralne repozytorium danych przygotowane do analiz.
- 20 Data Lake Magazyn surowych danych przechowywanych w dowolnym formacie.
- 21 Business Intelligence Analiza danych wspierająca decyzje biznesowe.
4
Podstawy uczenia maszynowego
Jak modele uczą się na danych i jakie pułapki na nie czyhają.
- 22 Machine Learning Uczenie programów na podstawie danych, bez sztywnych reguł.
- 23 Uczenie nadzorowane Trening modelu AI na danych z gotowymi oznaczeniami.
- 24 Dataset Uporządkowany zestaw danych do trenowania modeli AI.
- 25 Overfitting Model AI zbyt dopasowany do danych treningowych.
- 26 Underfitting Model AI zbyt prosty, by uchwycić wzorce w danych.
- 27 Algorytm heurystyczny Metoda szukająca dobrego rozwiązania uproszczoną drogą.
5
Nowoczesna sztuczna inteligencja
Sieci neuronowe i modele, które napędzają dzisiejszą rewolucję AI.
- 28 Sieć neuronowa Model obliczeniowy inspirowany działaniem ludzkiego mózgu.
- 29 Deep Learning Uczenie maszynowe oparte na głębokich sieciach neuronowych.
- 30 NLP Rozumienie i generowanie języka przez maszyny.
- 31 LLM Model AI trenowany na ogromnych zbiorach tekstu.
- 32 Architektura Transformer Model AI oparty na mechanizmie uwagi (attention).
- 33 Prompt Polecenie lub zapytanie kierowane do modelu AI.
- 34 Computer Vision Analiza i rozumienie obrazu przez komputer.
- 35 OCR Zamiana obrazu tekstu na tekst edytowalny.
- 36 Chatbot Program prowadzący automatyczną rozmowę z użytkownikiem.
- 37 RPA Automatyzacja powtarzalnych zadań przez programowe boty.
Ukończyłeś ścieżkę?
Kontynuuj naukę na kolejnej ścieżce: Budowa komputera.