Blog · 24 wpisy
Blog ML Atlas
Poradniki dla zaczynających, co się dzieje w uczeniu maszynowym i AI, konkursy Kaggle, zagadki matematyczne i ciekawostki ze świata sieci neuronowych. Każda informacja ma datę i link do źródła.
Tydzień w ML: pandas 3.1, Timestral, konkurs Name That LLMPrzegląd 11–26 października 2026: nowe pandas, małe modele Mistrala do szeregów czasowych, konkurs Kaggle o rozpoznawaniu LLM, Muse Spark Open i SSI.Analityk danych, data scientist czy ML engineer? RóżniceAnalityk mówi, co się stało, data scientist przewiduje i sprawdza, a ML engineer wdraża model do produktu. Czym się różnią i od której roli zwykle się zaczyna.Kaggle dla początkujących: od czego zacząć i czego unikaćNajpierw krótki kurs Kaggle Learn, potem Titanic: 891 pasażerów do nauki, 418 do przewidzenia, bez nagród i medali. I jak nie dać się złapać tablicy wyników.Jaki laptop do nauki ML? Na start wystarczy przeglądarkaDo kursu wystarczy przeglądarka, do Pythona i scikit-learn zwykły laptop. Liczy się pamięć RAM, nie karta graficzna, a GPU do sieci neuronowych jest w chmurze.Czy da się nauczyć ML po 30 albo 40? Uczciwie, z danymiNauczyć się tak: wiek nie zamyka drogi do pojęć ani kodu. Co mówią badania o wieku i myśleniu, kto dziś pracuje przy danych w Polsce i gdzie wiek pomaga.Darmowe zbiory danych do pierwszego projektu ML (legalnie)Osiem otwartych zbiorów na pierwszy projekt, od 150 irysów po 70 000 obrazków ubrań, każdy ze sprawdzoną licencją. Jak czytać CC0, CC BY i MIT.Ile czasu zajmuje nauka ML? Uczciwie, bez obietnicZależy, co znaczy „umieć”: pojęcia, własny projekt, sieci neuronowe czy praca. Ile trwają darmowe kursy według ich autorów i co naprawdę skraca naukę.Jak sprawdzić, czy model jest dobry? Sama trafność kłamieCztery pytania do każdego modelu: nowe dane, punkt odniesienia, rodzaj pomyłek, wszystkie progi. Na biopsjach „zawsze łagodny” ma 99,1% i nikogo nie wykrywa.Uczenie maszynowe a sztuczna inteligencja: czym się różniąAI to cel, a uczenie maszynowe to jeden sposób, żeby go osiągnąć: program sam wyprowadza regułę z przykładów. Trzy koła, eksperyment na guzach i prosty test.Czy ChatGPT to uczenie maszynowe? Jak działa, w 5 krokachTak. ChatGPT to sieć neuronowa, która nauczyła się zgadywać następny kawałek tekstu, a potem ludzie dostroili ją do rozmowy. Pięć kroków, każdy z eksperymentem.Pierwszy projekt ML na otwartych danych krok po krokuSześć kroków na otwartych danych o pingwinach: pytanie, dane, podział, zgadywanie, model, ocena. Kilkanaście linijek Pythona i wynik 95,1% do sprawdzenia.Matematyka do ML: co naprawdę jest potrzebne na startNa start wystarczy szkoła: procenty, średnia i wykres. Prawdopodobieństwo przydaje się szybko, pochodne i macierze dopiero przy sieciach neuronowych.Python do machine learningu: ile trzeba umieć na startMniej, niż się wydaje: zmienne, listy, pętla i funkcja, do tego kilka poleceń pandas i trzy metody scikit-learn. Klasy i algorytmy mogą poczekać.Tydzień w ML: limit arXiv, EmbeddingGemma 2, SynthIDPrzegląd 1–10 października 2026: arXiv ogranicza zgłoszenia, Google wydaje EmbeddingGemma 2 i otwiera SynthID Detector, OpenAI publikuje 719 dowodów.Król − mężczyzna + kobieta = królowa? Drobny druk analogiiSłynne „król − mężczyzna + kobieta = królowa” działa m.in. dlatego, że kod nie pozwala odpowiedzieć „król”. Jedna linijka filtra zmienia wynik z 74% na 21%.Zagadka: ile przykładów, żeby zobaczyć każdą klasę?Losujesz batch 128 przykładów ze 100 równolicznych klas. Ilu klas w nim zabraknie? Jak duży musi być batch, żeby były wszystkie? Kolekcjoner kuponów w ML.Kaggle w październiku: od czego zacząć, jeśli się uczyszPlayground S6E10 o satysfakcji pasażerów (ROC AUC, do 31.10), agenci do gry Pokémon TCG i stałe konkursy dla początkujących. Plan pierwszego tygodnia.AI Act w październiku 2026: co obowiązuje, co przesuniętoOd 2 sierpnia UE egzekwuje AI Act i obowiązki przejrzystości, w październiku obradował panel naukowy, a 2 grudnia wchodzą nowe zakazy. Kalendarz z datami.Beam i Mistral Large 4: dwa wielkie MoE z otwartymi wagamiReflection i Mistral zapowiedziały w październiku modele MoE z otwartymi wagami. Co znaczą „501 mld, 23 mld aktywnych” i co z tego wynika dla uczących się.Czy agent AI odtworzy wynik z artykułu? Benchmark RECLAIMRECLAIM sprawdza, czy agenci AI odtworzą wyniki 100 prac z NeurIPS 2025. Najlepsze wyniki: 41%, 27% i 15% — zależnie od tego, co dali autorzy.Zagadka: milion kubełków, tysiąc słów i paradoks urodzinHashing trick wrzuca 1000 słów do ponad miliona kubełków. Jaka jest szansa, że dwa słowa trafią do tego samego? Zagadka o paradoksie urodzin w ML, z liczbami.Perceptron 1958: maszyna, która miała „być świadoma”W 1958 roku prasa obiecywała, że perceptron będzie chodził, mówił i był świadomy. Jedenaście lat później przyszła książka „Perceptrons” i zima. Co się stało?Zagadka: detektor deepfake'ów z czułością 98%Detektor wyłapuje 98% deepfake'ów i myli się na 3% prawdziwych nagrań. Zapalił się alarm: jaka jest szansa, że to fałszywka? Zagadka o częstości bazowej.Mądry Hans: koń, który „liczył”, i modele, które oszukująW 1904 roku koń Hans „liczył”, w 2019 klasyfikator rozpoznawał konie po znaczku źródła na zdjęciu. Jedna lekcja o tym, czego naprawdę uczy się model.
Dzienne ML: zagadka na każdy dzień