ML Atlas

Start tutaj · ok. 15 minut

Jak zacząć z machine learning?

Od czego zacząć? Od lekcji 0.1: kwadrans w przeglądarce, bez kodu i bez instalacji. Niżej: co trzeba umieć, trzy pytania o Twoje wejście i darmowe materiały.

Zacznij od lekcji 0.1

Czym jest uczenie maszynowe, w trzech zdaniach

Machine learning (uczenie maszynowe) to sposób pisania programów, w którym komputer nie dostaje reguły od człowieka, tylko sam ją wyciąga z przykładów. Pokazujesz mu dużo przypadków ze znaną odpowiedzią, a on szuka reguły, która te odpowiedzi odtwarza. Potem sprawdzasz tę regułę na przypadkach, których nie widział, bo tylko to mówi, czy się nauczył, czy tylko zapamiętał.

Więcej: Czym jest uczenie maszynowe i Uczenie nadzorowane a nienadzorowane. Nowe słowa (cecha, etykieta, przeuczenie…) prostymi słowami: słowniczek pierwszych pojęć.

Co trzeba umieć wcześniej (uczciwie)

Matematyka i ukryte wymagania innych kursów
  • Matematyka formalna (pochodna, wektory, macierze, prawdopodobieństwo) jest w zwijanej warstwie „Matematyka”. Naprawdę potrzebna dopiero przy sieciach neuronowych. Hasła: Pochodna, Wektory i przestrzenie wektorowe, Macierze jako przekształcenia, Podstawy prawdopodobieństwa.
  • Uwaga na ukryte wymagania. Wiele kursów zakłada programowanie, choć nie mówi tego na pierwszej stronie: fast.ai wymaga ok. roku programowania, Google zaleca do swojego kursu podstawy Pythona, wykłady Karpathy'ego dobry Python i pochodne (źródła przy materiałach niżej). Jeśli kurs w trzecim tygodniu nagle robi się niezrozumiały, zwykle brakuje kroku, a nie talentu.

Pierwsze ćwiczenie (5–10 minut, bez instalacji)

To samo ćwiczenie otwiera lekcję 0.1: cały projekt uczenia maszynowego w kwadrans. Prawdziwe dane: pingwiny z wysp u wybrzeży Antarktydy. Najpierw przewidź wynik, potem sprawdź w eksperymencie.

Otwórz ćwiczenie tutaj
Przewidź, potem sprawdź Drzewo decyzyjne (model, który zadaje po kolei pytania tak/nie) może zadać każdemu pingwinowi najwyżej 2 takie pytania o wymiary ciała. Ile ze 103 pingwinów, których nigdy nie widziało, rozpozna poprawnie?
Jak bardzo jesteś pewny(-a)?

Eksperyment

Ten interaktywny eksperyment działa w przeglądarce z włączonym JavaScriptem. Tekst wokół opisuje, co w nim widać.

Pokaż odpowiedź

Poprawna odpowiedź: Prawie wszystkie, ponad 9 na 10

Dwa pytania dają 98 ze 103 (95,1%), jedno pytanie 81 (78,6%). Samo zgadywanie „zawsze Adelie”, bez żadnego modelu, trafia 45 razy (43,7%) i to ono mówi, czy 95,1% to dużo. Trzecie pytanie nie pomaga: 96 ze 103 (93,2%).

Dalej: cała lekcja 0.1, „Cały proces w 15 minut, od pytania do oceny” · albo 3 pytania o Twoje wejście

Trzy pytania: od czego zacząć

Pytania sprawdzają wiedzę, nie samoocenę. „Nie wiem” to dobra odpowiedź: niczym nie grozi i prowadzi do pełnej drogi. Odpowiedzi zostają tylko w Twojej przeglądarce.

1. Po co tu jesteś?
2. Model trafia w 99% przykładów, na których się uczył, i w 70% nowych. Co najpewniej się stało?
Pokaż odpowiedź

Przeuczenie. Duża przepaść między wynikiem na danych treningowych a na nowych to jego znak rozpoznawczy: model nauczył się szczegółów i szumu konkretnych przykładów, a nie reguły. Model za prosty myliłby się na obu zbiorach podobnie. Hasło: przeuczenie i niedouczenie.

3. Ktoś wybiera 10 najlepszych cech na całym zbiorze, a potem liczy walidację krzyżową. Czy wynik jest uczciwy?
X10 = SelectKBest(k=10).fit_transform(X, y)
print(cross_val_score(model, X10, y, cv=5).mean())
Pokaż odpowiedź

Nie. Wybór cech „widział” etykiety także z części, na których potem sprawdzamy model: to wyciek danych. Ilustracja w Atlasie: Na 60 próbkach czystego szumu (1000 kolumn, losowe etykiety) wybór 10 cech przed walidacją krzyżową daje pozorne 82% trafności, a wybór wewnątrz każdego podziału uczciwe 43% — poziom zgadywania. Wybór cech musi się odbywać wewnątrz każdego podziału. Hasło: wyciek danych.

Wejścia: które dla kogo

Bez odpowiedzi też możesz wybrać sam: kliknij wejście, żeby zobaczyć kroki. Zawsze możesz zacząć od początku, od lekcji 0.1.

  1. Kurs ML od zera, od lekcji 0.1

    Chcesz uczyć się od podstaw albo pytanie 2 sprawiło kłopot. Nic nie pomijamy.
    • Lekcja 0.1: Cały proces w 15 minut, od pytania do oceny
    • Dalej po kolei: 33 lekcje, razem ok. 385 min. Każda ma ćwiczenie w przeglądarce i pytania na koniec.
    • Dwie lekcje w tygodniu to wszystkie gotowe lekcje w 17 tygodni, a w przygotowaniu są kolejne 7 pozycji programu (lekcje i projekty).
    • Powtórki wracają do pytań z lekcji po kilku dniach.
  2. Jak działa AI, której używasz

    Chcesz rozumieć czat, tłumacza i podpowiedzi, a nie budować modele.
  3. Znasz pojęcia, poćwicz uczciwą ocenę modelu

    Pytanie 2 dobrze, pytanie 3 źle albo „nie wiem”: luka jest w walidacji, czyli tam, gdzie najczęściej psują się prawdziwe projekty.
  4. Praktyka i powtórka

    Oba pytania dobrze: szanujemy Twój czas, więc bez wstępu.
  5. Zmiana zawodu: najpierw zrozumienie, potem kod

    Myślisz o pracy z danymi albo AI.

Ile to trwa

Pierwsze dwa tygodnie i jak się uczyć (ze źródłami)

Najtrudniejsze są pierwsze dwa tygodnie. W badaniu 221 kursów online mediana ukończenia wyniosła 12,6%. Krótsze kursy i kursy z automatycznym sprawdzaniem kończyło więcej osób, a pierwsze dwa tygodnie okazały się kluczowe. Mały, stały rytm wygrywa ze zrywem: dwie lekcje w tygodniu to wszystkie gotowe lekcje w 17 tygodni, a w przygotowaniu są kolejne 7 pozycji programu (lekcje i projekty).

Źródło: IRRODL. Sprawdzone .

Jak się uczyć. Duży przegląd dziesięciu technik nauki dał najwyższą ocenę tylko dwóm: odpytywaniu się i rozkładaniu nauki w czasie. Ponowne czytanie i podkreślanie dostały ocenę niską. Dlatego każda lekcja kończy się pytaniami, a Powtórki wracają do nich po kilku dniach.

Źródło: APS. Sprawdzone .

Na start — poradniki

Krótkie odpowiedzi na pytania, które na początku zadaje prawie każdy. Wszystkie wpisy: blog, kategoria „Na start”.

Najlepsze darmowe materiały spoza ML Atlas

Stan na : każdy link otworzyliśmy tego dnia, a liczby pochodzą ze wskazanych stron. Kolejność od najłagodniejszego. Bez linków afiliacyjnych. Kliknij nazwę, żeby zobaczyć opis, poziom, język i koszt.

Elements of AI start, bez kodu

Uniwersytet Helsiński · Poziom: start, bez kodu · Język: część 1 po polsku, część 2 po angielsku · Koszt: darmowy

Łagodne wprowadzenie: czym jest AI, co potrafi, a czego nie. Dobre, jeśli chcesz najpierw zrozumieć pojęcia. Zapisało się ponad 2 mln osób. Pierwsza część, „Podstawy sztucznej inteligencji”, jest po polsku; druga, „Building AI”, jest po angielsku i zaleca podstawy Pythona.

Otwórz: Elements of AI

Źródło: elementsofai.com, elementsofai.pl. Sprawdzone .

Machine Learning Crash Course podstawy ML, ćwiczenia w Pythonie

Google · Poziom: podstawy ML, ćwiczenia w Pythonie · Język: angielski (wersja polska tłumaczona przez AI) · Koszt: darmowy

Regresja, klasyfikacja, dane, przeuczenie, sieci neuronowe i modele językowe, z interaktywnymi wizualizacjami. 12 modułów i ponad 130 pytań ćwiczeniowych. Czasy podane przy modułach dają razem ok. 13,5 godziny (nasza suma). Google zaleca matematykę na poziomie zmiennych, równań liniowych, histogramów i średniej oraz podstawy Pythona. Wersja polska sama ostrzega, że tłumaczenie AI może zawierać błędy.

Otwórz: Machine Learning Crash Course

Źródło: Google: kurs, Google: wymagania i czasy modułów, Google: blog, 12.11.2024, wersja polska. Sprawdzone .

Kaggle Learn: Python, Pandas, Intro to Machine Learning pierwszy kod

Kaggle · Poziom: pierwszy kod · Język: angielski · Koszt: darmowy, z certyfikatem ukończenia

Krótkie kursy z ćwiczeniami w kodzie, w notatnikach Kaggle w przeglądarce (do ćwiczeń potrzebne konto, które zakładasz sam). Najkrótsza droga do Pythona i pandas, czyli do tego, czego kurs ML Atlas nie wymaga, ale samodzielna praca już tak. Kaggle szacuje: Python 5 godzin, Pandas 4 godziny, Intro to Machine Learning 3 godziny (7 lekcji). Na każdej stronie kursu: „No cost, like all Kaggle Learn Courses”.

Otwórz: Kaggle Learn: Python, Pandas, Intro to Machine Learning

Źródło: Kaggle: Python, Kaggle: Pandas, Kaggle: Intro to Machine Learning. Sprawdzone .

ML for Beginners podstawy ML z kodem

Microsoft · Poziom: podstawy ML z kodem · Język: angielski (wersja polska tłumaczona automatycznie) · Koszt: darmowy, licencja MIT

Klasyczne uczenie maszynowe (bez głębokiego uczenia) w lekcjach z quizami, głównie w Pythonie z scikit-learn. 12 tygodni, 26 lekcji i 52 quizy. Polska wersja ma dopisek, że przetłumaczono ją usługą tłumaczenia AI.

Otwórz: ML for Beginners

Źródło: GitHub: ML-For-Beginners, GitHub: wersja polska. Sprawdzone .

Practical Deep Learning for Coders średni: wymaga programowania

fast.ai · Poziom: średni: wymaga programowania · Język: angielski · Koszt: darmowy

Głębokie uczenie od strony kodu, dla osób, które już programują. 9 lekcji po ok. 90 minut. Jedyny warunek wg autorów: umiesz programować (wystarczy rok doświadczenia), najlepiej w Pythonie. Najnowsza wersja kursu jest z 2022 roku.

Otwórz: Practical Deep Learning for Coders

Źródło: course.fast.ai. Sprawdzone .

Neural Networks: Zero to Hero zaawansowany: Python i pochodne

Andrej Karpathy · Poziom: zaawansowany: Python i pochodne · Język: angielski · Koszt: wykłady na YouTube

Budujesz sieć neuronową i mały model językowy od zera, linijka po linijce. Na później, po podstawach. 8 wykładów, razem 14 godzin 32 minuty (nasza suma czasów ze strony). Wymagania: dobry Python i matematyka na poziomie wstępu (pochodne, rozkład normalny).

Otwórz: Neural Networks: Zero to Hero

Źródło: karpathy.ai. Sprawdzone .

LLM Course zaawansowany: modele językowe

Hugging Face · Poziom: zaawansowany: modele językowe · Język: angielski (bez wersji polskiej) · Koszt: darmowy, bez reklam

Praca z dużymi modelami językowymi: transformery, dostrajanie, zbiory danych. Dla tych, którzy chcą budować z LLM. Ok. 6–8 godzin pracy tygodniowo na rozdział. Wymaga dobrej znajomości Pythona; autorzy radzą zacząć po wstępnym kursie głębokiego uczenia.

Otwórz: LLM Course

Źródło: Hugging Face. Sprawdzone .

Kurs Andrew Ng na Courserze nie jest już darmowy

Wpisem z 8 sierpnia 2025 Coursera zastąpiła dawny bezpłatny tryb „audit” podglądem: za darmo jest pierwszy moduł prawie każdego kursu. Specjalizacja „Machine Learning” Andrew Ng kosztuje 49 $ miesięcznie (strona wspomina też o pomocy finansowej na wniosek). Wiele list „darmowych kursów ML” jest w tym miejscu nieaktualnych.

Źródło: Coursera: blog, 8.08.2025, Coursera: specjalizacja Machine Learning. Sprawdzone .

Najczęstsze pytania

Czy muszę umieć programować, żeby zacząć?

Nie, żeby zrozumieć. Kurs ML Atlas jest bez kodu i bez instalacji. Tak, żeby budować modele samodzielnie: wtedy potrzebne są podstawy Pythona i biblioteki pandas. Dobrze jest najpierw zrozumieć pojęcia, a potem uczyć się kodu, który je realizuje.

Ile matematyki potrzebuję?

Na start szkolnej: procenty, średnia, wykres funkcji. Pochodne, wektory i macierze przydają się później, głównie przy sieciach neuronowych. W lekcjach są w zwijanej warstwie „Matematyka”, a w Atlasie każde z tych pojęć ma osobne hasło.

Czy jest dobry darmowy kurs machine learning po polsku?

Kurs ML Atlas powstał po polsku i jest darmowy: 33 lekcje, razem ok. 385 min, z ćwiczeniem w przeglądarce w każdej lekcji. Z zewnątrz: Elements of AI ma polską pierwszą część, a kurs Google i ML for Beginners Microsoftu mają tłumaczenia wykonane przez AI.

Czy kurs Andrew Ng na Courserze jest darmowy?

Już nie. Od 8 sierpnia 2025 Coursera daje za darmo podgląd pierwszego modułu prawie każdego kursu, a specjalizacja „Machine Learning” kosztuje 49 $ miesięcznie (stan na 25 października 2026).

Czy da się nauczyć machine learning za darmo?

Wiedzę tak. Wszystkie materiały z listy na tej stronie są darmowe (stan na 25 października 2026): od Elements of AI przez kurs Google i Kaggle Learn po fast.ai i kurs LLM Hugging Face.

Zacznij od lekcji 0.1 Wszystkie lekcje kursu