Mikrokurs: Wstęp do Pythona i SI 0000-MIKRO-WDPIS-UP

Moduł 1 – Wprowadzenie: środowisko pracy i podstawy Pythona

Środowisko pracy: UV, Google Colab, Visual Studio Code
● Instalacja i konfiguracja narzędzia uv do pracy lokalnej
● Korzystanie z menedżera bibliotek uv/pip
● Wirtualne środowisko pracy (venv)
● Uruchomienie skryptów Pythona
● Jupyter Notebook
● Wprowadzenie do Google Colab jako alternatywy w chmurze, praca grupowa, możliwość wykorzystania zasobów serwerowych Googla
● Visual Studio Code, czyli programujesz jak profesjonalista
Python jako sprytniejszy kalkulator
● Podstawowe operacje arytmetyczne
● wypisywanie wyników
Liczby, tekst i operacje logiczne
● Zmienne, liczby, proste operacje, komentarze, int, float, string, boolean
● Operatory arytmetyczne i logiczne
Napisy i przetwarzanie tekstu
● Obsługa nazw klientów, kategorii produktów, opinii
● Formatowanie stringów (f-strings)

Warsztat: uruchomienie modelu nanoGPT, testowanie działania modelu LLM na własnych danych. Poznawanie elementów składni Pythona, które są wykorzystywane przez nanoGPT.

Moduł 2 – Listy, pętle. Funkcje. Czytanie plików.

Funkcje i logika wielokrotnego użytku
● Tworzenie funkcji
● Podział kodu na reużywalne części - dobre praktyki - filozofia rób jedną rzecz, ale dobrze
Pętle
● Pętla for i while
● Funkcja range, iterowanie przez listy
Czytanie i zapisywanie plików tekstowych.
Listy, iterowanie list.

Warsztat: Podstawy NLP. Tokenizacja tekstu.

Moduł 3 – Praca z kolekcjami danych, instrukcje warunkowe, obsługa błędów.

Instrukcje warunkowe i logika biznesowa
● Instrukcje if/else i reguły decyzyjne
Struktury danych - tablice, listy, krotki
● Listy - tworzenie, modyfikowanie, podstawowe operacje
● append(), remove(), len(), indexowanie
● Iterowanie przez listy
Obsługa błędów - wyjątki
Słowniki i krotki
● Podstawy słowników
● Tworzenie, dostęp do wartości, metody keys(), values(), items()
● Krotki

Warsztat: Budowa modelu językowego n-gram (łańcuch Markowa)

Moduł 4 – Generowanie tekstu z modelu n-gram, zapisywanie modelu. Format JSON

● Generowanie liczb losowych
● Format JSON
● Zapisywanie plików
● Testowanie kodu - pytest

Warsztat: generowanie tekstu przez model n-gram

Moduł 5. Praca z danymi wielowymiarowymi. W stronę generatywnej SI, wady modelu n-gram, budowa elementów modelu LLM.

● Analiza przypadków, gdzie model n-gram nie działa
● Wprowadzenie wektorów słów
● Mechanizm uwagi (ang. attention)
● Funkcja softmax

Warsztat: Zamiana modelu n-gram na wykorzystujący mechanizm uwagi (ang. attention). Dlaczego mechanizm uwagi działa tak dobrze?

Moduł 6. Word2Vec, wykrywanie znaczenia semantycznego, mechanizm uczenia modelu
● Mechanizm backpropagation, funkcja straty
● Programowanie uczenia się modelu językowego
● Korzystanie z istniejących modeli do własnej pracy