All Episodes

BM135: AI 2025: wzrost, przetrwanie albo upadek?

BM134: AI to NIE magia... ale wciąż oczekujesz cudów?

BM133: Agenci AI: między hype'm a rzeczywistością

BM132: LLM i prawo, możliwości, wyzwania, narzędzia

BM131: Praktyczny LLM

BM130: LangChain i wektorowe bazy: ciemna strona prototypowania AI

BM129: Inferencja modele LLM: Mniej kosztów, więcej mocy

BM128: Czy warto inwestować LLM? Czy w klasyczny ML?

BM127: Lokalne modele AI: Twoje dane, Twoje zasady

BM126: RAG w LLM: Dlaczego popularne rozwiązania to droga donikąd?

BM125: Jak rozmawiać ze sztuczną inteligencją?

BM124: Jaki model AI wybrać: wyzwania i rozwiązania?

BM123:Fine-tuning LLM: fakty i mity

BM122: 7 mitów o sztucznej inteligencji

BM121: Sztuczna inteligencja zmienia szukanie odpowiedzi

BM120 - Sztuczna inteligencja pod własnym dachem: rozmowa z kierownikiem AI Lab z OPI

BM 03: Role i kompetencje w projekcie Machine Learning

BM 02: Metryki sukcesu w projektach Machine Learning

BM 01: Twój pomysł na Machine Learning - 7 ważnych filtrów

BM: Zapowiedź nowej serii

BM115: Przyszłość Machine Learning - prognozy praktyków i ekspertów

BM114: Nauka Machine Learning - 3 różne perspektywy

BM113: Transformacja cyfrowa

BM112: Data Science oczami praktyka

BM111: Wizualizacja danych

BM110: Product Manager w zespole AI

BM109: Najważniejsza rzecz w Machine Learning

BM108: Machine Learning & Cyber Security

BM107: Wyceń swoje mieszkanie z pomocą Machine Learning

BM106: Czy developer potrzebuje Machine Learning?

BM105 - Dobre praktyki i sztuka nazywania rzeczy w Machine Learning

BM104: Machine Learning Engineer - kariera, wyzwania, możliwości

BM103: Transformery w uczeniu maszynowym - możliwości i ograniczenia

BM102 – Komu może pomóc Data Science kurs?

BM101 - AutoML: możliwości i wyzwania

BM100 – Zima AI

BM99 – Kluczowe role w projekcie Machine Learning

BM98: Chmura Krajowa - Sztuczna Inteligencja w biznesie

BM97 – Podsumowanie roku 2020

BM96 – Cyberataki na sztuczną inteligencję

BM95– 3 krótkie historie efektywnego rozwoju

BM94 – Fundacja DataWorkshop – cele i działania

BM93 - NLP w Amazon – porozmawiaj z Alexą

BM92 – W którym kierunku rozwijamy podcast?

BM 91 – Oddychaj zdrowiej dzięki Machine Learning

BM90: Czy uczenie maszynowe daje programistom nowe możliwości?

BM89 – Jak zmusić leniwe sieci neuronowe do produkcji leków

BM88 – Automatyzacja testów za pomocą Machine Learning

BM87 – Jak robić mniej, ale wytwarzać wiecej

BM86 – Projekty Machine Learning – 5 etapów efektywnego procesu

BM85 – Uczenie maszynowe w twojej firmie – mity

BM84 – Kiedy i jak nauczyć się Machine Learning

BM83 – Jak Google i DeepMind wspierają służbę zdrowia?

BM82 – Statystyka w biznesie i marketingu – opowiada Janina Bąk

BM81 – Programowanie probabilistyczne

BM80 – Jak sztuczna inteligencja może pomóc znaleźć Ci mieszkanie

BM79 – Uczenie nienadzorowane oczami naukowca z DeepMind

BM78 – Innowacje w handlu stacjonarnym

BM77 – Różne oblicza Computer Vision

BM76 – Sztuczna inteligencja i robotyzacja

BM75: Świat akademicki, biznes oraz ML – rozmowa z Tomkiem Trzcińskim

BM74: Sztuczna inteligencja i autyzm

BM73: Co może przynieść praktyczny kurs ML i kiedy warto spróbować

BM72: Łukasz Prokulski – dane i analizy

BM71: Podsumowanie roku 2019

BM70: Sztuczna inteligencja i bezpieczeństwo

BM69: Sztuczna inteligencja i branża ubezpieczeń

BM68: Czy Twoja firma jest gotowa na ML?

BM67: Dzieją się rzeczy z uczeniem maszynowym w Polsce

BM66: Myślenie innowacyjne o ML, DWCONF i coś więcej

BM65: Przypadki użycia NLP w biznesie

BM64: Przetwarzanie języka naturalnego w biznesie

BM63: Praktyczne podejście do uczenia maszynowego

BM 62: Rozmowa z machine learning engineer z Netguru: obrazowanie hiperspektralne i inne

BM 61: Jak ugryźć uczenie maszynowe od strony praktycznej?

BM60: Drony zmieniają branże ubezpieczeń, budowlaną i inne

BM59: Szkoła 42, czy to edukacja przyszłości?

BM58: Sztuczna inteligencja w Azji

BM57: Możliwe blokery oraz rozwiązania w uczeniu maszynowym

BM56: 10 właściwych pytań przy wdrażaniu uczenia maszynowego

BM55: 10 mitów o sztucznej inteligencji

BM54: Sztuczna inteligencja masowo zastępuje pracowników w bankach

BM53: Komputery kwantowe i sztuczna inteligencja

BM52: Czy sztuczna inteligencja pomoże Ci mieć emeryturę?

BM51: Moja podroż do sztucznej inteligencji

BM50: Przyszłość naszych dzieci

BM49: Uczenie maszynowe na DataWorkshop, pragmatyczne wejście do światu ML

BM48: Efektywne tworzenie wizualizacji, KPI, raportów

BM47: Przetwarzanie języka naturalnego (rownież polskiego)

BM46: Szeregi czasowe:_rozmowa z doświadczonym inżynierem z Uber

BM45: Sztuczna inteligencja w sprzedaży

BM44: Prowadzący naukowiec z DeepMind o rozwoju sztucznej inteligencji

BM43: Uczenie maszynowe, muzyka i logistyka...

BM42: Sztuczna inteligencja i taksówki

BM41: 10 przykładów jak sztuczna inteligencja zmienia_e-commerce

BM40 Przemyslaw Chojecki – doktor po Oxfordzie

BM39: 10 przykładów jak uczenie maszynowe może pomóc Twojemu biznesowi

BM38: Sztuczna inteligencja i prawo

BM37: Czy sztuczna inteligencja rozumie co mówisz do niej?

BM36: Hubert Rachwalski, CEO Nethone o walce z oszustwami

BM35: Andrzej Sobczak o RPA - profesor, praktyk, pasjonat

BM34: Sztuczna inteligencja, cyberbezpieczeństwa i hackerzy

BM33: Łukasz Siatka - ex Googler, Facebooker

BM32: DataWorkshop i praktyczne uczenie maszynowe

BM31: Sztuczna inteligencja i nauki społeczne

BM30: Czy komputer potrafi czytać Twoje myśli?

BM29: Sztuczna inteligencja w edukacji

BM28: Cyborgi

BM27: Autonomiczne samochody

BM26: Scoring, systemy rekomendacyjne po analizę listów Warren'a Buffet'a

BM25: Data Driven Organisation

BM24: Jak stosować używać uczenie maszynowe w praktyce?

BM23: Czy Chiny stają się nowym centrum świata?

BM22: Sztuczna inteligencja w przemyśle

BM21: Sztuczna inteligencja i etyka, ludzi i roboty... rozmowa z Greg Albrecht

BM20: Sztuczna inteligencja coraz sprawniej zarządza dźwiękiem

BM19: Czy sztuczna inteligencja ma intuicję?

BM18: Justyna Janicka i Rzeczywistość Wirtualna

BM17: Anna Wróblewska o łączeniu światów: biznes, programowanie i nauka

BM16: 10 praktycznych porad jak uczenie maszynowe może usprawnić Twój biznes

BM15: Google wants to democratize AI

BM14: Norbert Biedrzycki o Smart City, Shared Economy, Blockchain...

BM13: Naukowiec Computer Vision z DeepMind - Mateusz Malinowski

BM12: Sztuczna inteligencja w Stanford

BM11: Sztuczna inteligencja i bankowość

BM10: Aleksandra Przegalińska z MIT o sztucznej inteligencji

BM9: Filip Stachura, CEO Appsilon Data Science, o sztucznej inteligencji

BM8: Sztuczna inteligencja i IBM – rozmowa z Piotrem Pietrzakiem – CTO w IBM

BM7: Rozmowa z Barbarą Fusińską – Data Solution Architect w Microsoft

BM6: Sztuczna inteligencja w księgowości

BM5: Inteligentny asystent sprzedaży

BM4: Sztuczna inteligencja w biznesie

BM3: Sztuczna inteligencja i ekonomika

BM2: Wprowadzenie do sztucznej inteligencji

BM1: Zaczynamy!