Warsztat przeprowadzi uczestników przez cały cykl życia modeli uczenia maszynowego - od budowy danych, przez trening i automatyzację, aż po wykorzystanie potencjału AI w rozwiązaniach produkcyjnych. Uczestnicy poznają pełny stack MLOps oparty na środowisku Databricks oraz MLFlow, nauczą się projektować pipeline’y, przygotowywać dane, tworzyć cechy, trenować modele, wdrażać je i monitorować w realnym środowisku.

Warsztat stawia na konkret: praktyczne podejście do architektury ML, feature engineeringu, klasycznych algorytmów, sieci neuronowych i głębokich, CI/CD dla modeli, MLOps i nowoczesnych rozwiązań z obszaru AI. Uczestnicy wyjdą z niego z kompletnym obrazem, jak projektować i utrzymywać systemy ML, które działają, skalują się i nie wybuchają w produkcji.

Zakres warsztatu:
1. Architektura AI/ML - pełny obraz stacku ML, role w procesie i referencyjne architektury chmurowe.
2. Dane - praktyczne przygotowanie, czyszczenie, walidacja i budowanie pipeline’ów.
3. Feature engineering - typy cech, transformacje, feature store, monitoring i drift.
4. Algorytmy ML - przegląd najważniejszych metod i ich zastosowanie w praktyce.
5. Trenowanie modeli - metryki, tuning, podejście distributed, MLflow w akcji.
6. Sieci neuronowe i Deep Learning - podstawy sieci, frameworki, skalowanie, GPU/TPU.
7. Pipeline ML - automatyzacja, CI/CD, orkiestracja i wersjonowanie modeli.
8. MLOps - pełne utrzymanie modeli, monitorowanie, testy, rejestry modeli.

Warsztat jest kierowany do inżynierów, data scientistów i architektów pracujących lub planujących zacząć pracę z ML.

Wymagania:
- Laptop z przeglądarką internetową
- Darmowe konto Databricks Free