12 tygodni od pierwszego tokenizera do wytrenowanego, dostrojonego i wdrożonego modelu językowego. Zaczynasz jako początkujący. Kończysz robiąc prawdziwy AI research — po polsku.
Powierzchowne używanie AI — oglądanie wideo, przeklejanie kodu do agenta — buduje iluzję postępu. Zostaje wiedza bez fundamentów. My uczymy inaczej: dekonstruujemy technologię aż zobaczysz, co jest w środku. Przestajesz być konsumentem API. Stajesz się Niezależnym Badaczem.
| Kryterium | Podejście konsumenta | Podejście badacza — nasz standard |
|---|---|---|
| Sposób nauki | Oglądanie wideo, przeklejanie kodu do agenta AI | Kodowanie od zera, rygorystyczny feedback od mentora |
| Zrozumienie modelu | Czarna skrzynka — „jakoś działa" | Szklana skrzynka — rozumiesz wewnętrzne mechanizmy |
| Poziom abstrakcji | Wywoływanie gotowych API (Azure, Anthropic, Snowflake) | Budowa narzędzi od podstaw (np. własny tokenizer) |
| Dowód zrozumienia | Odhaczanie testów wielokrotnego wyboru | Własne tematy badawcze i rozwiązywanie problemów SOTA |
Przez cały kurs budujesz jednego małego polskiego GPT-a trenowanego na wspólnym korpusie. Tydzień 1 to tokenizer. Tydzień 12 to ten sam model — skwantyzowany, dostrojony i serwowany jako API. Każdy tydzień dokłada realną warstwę do tego samego repo.
Karpathy jest po angielsku i kończy na nanoGPT. fast.ai nie dotyka polskiego. Tutoriale PL z YT nie idą od zera. My robimy wszystkie trzy naraz.
Najpierw numpy i czysty PyTorch — backprop, attention, training loop piszesz sam. Dopiero od tygodnia 9 sięgamy po HuggingFace, bo tak pracuje się naprawdę. Rozumiesz każdą macierz, nie tylko wywołanie .fit().
Morfologia (pies/psa/psu — czy model to widzi?), Bielik i PLLuM jako studia przypadku, benchmarki KLEJ/LLMzSzŁ, gramatyczność przez Morfeusz2. Tego nie ma u Karpathy'ego ani w fast.ai.
Tygodnie treningu, fine-tuningu i inferencji odpalasz na realnych GPU, nie na zabawkowym Colabie z timeoutem. Trenujesz swój 10M model i robisz QLoRA na sprzęcie, który dostajesz w cenie kursu.
Najlepsze capstone'y trafiają do repo Slayera jako otwarte kontrybucje. Kto odda 10/11 HW + capstone, dostaje certyfikat i propozycję roli TA w edycji 3. Kurs produkuje kontrybutorów, nie widzów.
Nie przez łatwiznę — przez odwrotność. Każde zadanie ocenia człowiek (TA), nie quiz. Feedback zmusza cię do konfrontacji z własnymi błędami, zamiast je ominąć. Zaliczenie to działający kod, nie odhaczony test.
1 wykład (2h) + 1 sesja praktyczna z TA (1,5h) tygodniowo · praca domowa co tydzień · capstone na końcu. Rozwiń tydzień, żeby zobaczyć szczegóły.
Review robią TA (alumni edycji 1). Zaliczenie = działający kod, nie esej.
Każdy tydzień to katalog ze skeletonem i solution — spójny format na wszystkie 12 tygodni.
10/11 HW + capstone = certyfikat i propozycja roli TA w edycji 3.
Każdy wykład nagrywany — wracasz do materiału, kiedy chcesz.
Nazywam się Kacper Wikiel i prowadzę ten kurs. To nie jest kolejny płatny kurs online — to konkretna ścieżka, którą budujemy, żeby wykształcić ludzi do Slayer AI Lab. Dlatego zanim się zapiszesz, chcę z tobą pogadać — kilkanaście minut przez telefon. Powiem wprost, czy ta droga jest dla ciebie, bo nie dla każdego jest. Jeśli lepiej posłuży ci inny materiał, inna kolejność albo darmowe źródło — wskażę ci je. Wolę wskazać ci właściwą drogę niż wpuścić cię na kurs, który nie jest dla ciebie.
Podstawy Pythona (funkcje, pętle, listy) i odwaga wobec matematyki na poziomie liceum. Nie musisz znać PyTorcha ani sieci neuronowych — pierwsze bloki budują to od zera. Jeśli nigdy nie napisałeś skryptu w Pythonie, najpierw nadrób podstawy.
Nie. Tygodnie wymagające GPU (6–7, 9–11) odpalasz na compute Slayera, wliczonym w cenę kursu. Do reszty wystarczy laptop.
3,5h zajęć na żywo (wykład + sesja z TA) plus praca domowa. Realistycznie licz 6–10h tygodniowo, zależnie od tempa. HW jest obowiązkowe — na tym polega efekt.
Idziemy od zera i po polsku — z morfologią, Bielikiem, PLLuM i polskimi benchmarkami przez cały kurs. Dochodzimy dalej niż nanoGPT: fine-tuning, alignment (DPO), kwantyzacja i wdrożenie. I dostajesz compute oraz review HW od TA.
Jednego małego polskiego GPT-a (~10M param.) — od tokenizera, przez trening na wspólnym korpusie, po QLoRA fine-tune, DPO i serwowanie jako API. Plus zespołowy capstone na demo day.
Działające repo z twoim kodem, certyfikat (przy 10/11 HW + capstone) i — dla najlepszych — propozycję roli TA w edycji 3 oraz szansę na wpięcie capstone'a do repo Slayera.