Misja
Wierzę, że wiedza pomaga tworzyć lepsze jutro poprzez uwolnienie nas od monotonnej pracy. Jej wykorzystanie pozwala nam doświadczyć twórczego spełnienia.
Wierzę, że wiedza bez praktycznego wykorzystania to zakopany talent. Wiedza powinna służyć ludziom, nie można jej zostawić dla siebie. Dlatego tak ważne jest dzielenie się, kolaboracja, wymiana doświadczeń oraz wykorzystanie jej w praktycznych rozwiązaniach. Staram się wykorzystywać metody AI w szczególności NLP do tworzenia nowych produktów.
Bio
Zaczynałem jako programista i naukowiec, a ostatnio manager projektów i zespołów RnD w dziedzinie uczenia maszynowego i przetwarzania danych. Moje doświadczenia obejmują prowadzenie projektów i działów uczenia maszynowego w :
- Pearson: AI Capability
- STX Next jako Head of Machine Learning and Data Enginering
- CEO w Ermlab Software.
Na blogu piszę o analizie danych i uczeniu maszynowym. Poszukuję swojego miejsca w świecie robię to poprzez uczenie się, treningi i religię.
Naukowiec
Pracując na Uniwersytecie Warmińsko-Mazurskim na Wydziale Matematyki i Informatyki, zajmowałem się uczeniem maszynowym oraz ogólnie pojmowaną sztuczną inteligencją. Moje zainteresowania związane są z metodami NLP dla języka polskiego oraz budowaniem modeli z wiedzą. Obecnie moje zainteresowania związane są z inteligentnymi agentami, posiadającymi osobowość i cechy charakteru.
Przedsiębiorca i twórca
Zawsze drzemał we mnie duch przedsiębiorczości i tworzenia. Już na początku swojej kariery jako programista niespokojną i niecierpliwą duszą, pchało mnie w stronę sceny startupowej i rozwijania swoich produktów wykorzystując posiadaną wiedzę. Od 2014 wraz ze wspólnikiem rozpoczęliśmy prowadzenie firmy programistycznej Ermlab Software , w ramach której prowadziliśmy szereg projektów wykorzystujących ML, szczególnie dumny jestem z asystenta a pisania Goodwrite.pl (aka Polskie Grammarly).
Sportowiec
Moje poza zawodowe zainteresowania związane są głównie ze sportem. Pierwotnie było to bieganie, później triathlon a gdy zostałem ojcem to regularne ćwiczenia fizyczne. Sport motywuje mnie do stawania się lepszym i przełamywania swoich słabości, uczy dyscypliny, cierpliwości oraz systematyczności. Dzięki niemu czuję się mocniejszy, sprawniejszy, mam więcej energii. Umożliwił mi poznawanie wspaniałych i uśmiechniętych ludzi.
Projekty
- Goodwrite.pl – inteligentny asystent pisania
- CoDoCzytania.pl – personal book advisor based on your mood.
- https://bookscout.ai/ – AI-based service that pinpoints the best-matching content from around the world for book publishers
- Plon.io– data science sandbox. Since 2017 has not developed anymore.
My best github repo:
- awesome-nlp-polish – A curated list of resources dedicated to Natural Language Processing (NLP) in polish. Models, tools, datasets.
- Pytorch neural networks tutorial – This repository contains easy to follow Pytorch tutorial for beginners and intermediate students. The goal is to introduce you to Pytorch on practical examples.
- MNIST digit classification with scikit-learn and Support Vector Machine (SVM) algorithm – Project presents the well-known problem of MNIST handwritten digit classification. For the purpose of this tutorial, I will use Support Vector Machine (SVM) algorithm with raw pixel features. The solution is written in python with use of scikit-learn easy to use machine learning library.
- Pandas+Seaborn tutorial on World bank GDP data for central and eastern Europe – Project analysis the gross domestic product (GDP) data for 10 central and eastern European countries. The analysis was prepared based on the World Bank Data, particularly the dataset World Development Indicators was utilized. This set contains many economic development indicators you can choose from.
Research projects:
- Python Primal SVM – This project is python port of Matlab Primal SVM – fast linear SVM implementation by Olivier Chapelle http://olivier.chapelle.cc/primal/
- pyKMLib – Python SVM with CUDA(GPU) support – multiclass CUDA SVM solver for sparse problems. KMLib child project.
- KMLib – Kernel Machine Library with GPU SVM solver in .Net –
Wystąpienie i prelekcje
- Data Science Summit 2022.12.16 – „Jak minimalizować ryzyka w projektach ML?”
- DataWorkshop Conf 10.2019 – „5 things I pay attention to when hiring and working with ML engineers” – https://conf.dataworkshop.eu/alumniday
- Infoshare 05.2019 „Jak stworzyć sieć rekurencyjną w Pytorch” – https://infoshare.pl/speakers-list/agenda,127,411,731,jak-stworzyc-siec-rekurencyjna-w-pytorch.html
- 4Developers 2018: Generowanie tekstu przy pomocy rekurencyjnych sieci neuronowych (3.04.2018) – https://www.youtube.com/watch?v=jAgD-PQcJdw
- Spotkania z matemaytką (12.12.2017) – „Sieci neuronowe matematyką podszyte” – prezentacja dla licealistów na wydziale Matematyki i Informatyki UWM
- Kongres Przyszłości (16.11.2017) – prezentacja dla Startup’ów „Startup fundamentals, avoiding fuck-ups”
- Machine Learning@Enterprise (14.11.2017)- 2x warszaty z budowy sieci konwolucyjnych w Tensorflow „Od płytkiej do głębokiej sieci w Tensorflow”
- PyData@PyConPL (17-20.08.2017 Ossa k. Rawy Mazowieckiej)
„From shallow to deep model with Tensorflow” - Data science summit (26.05.2017 Warszawa) Co można wyczytać z danych publicznych? W ramach prezentacji pokażemy jak analizować dane w Pythonie z użyciem pandas, matplotlib i beautiful soap.
- 4 develpers (03.04.2017 Warszawa) Nowoczesne uczenie sieci neuronowych w TensorFlow.
- Olcamp data science Olsztyn (19.11.2016) – „TensorFlow – biblioteka od Google do uczenia głębokich sieci neuronowych” – https://www.facebook.com/Olcamp/videos/10154321386704064/
- OLCAMP.CODE 2016 – Warsztaty dla programistów (25.06.2016) – „Wprowadzenie do Data Science w python’ie”. Wykład (30 min.) + warsztaty (60 min.+ 90min.) :
- Jak nauczyć maszynę rozpoznawania wzorców? Wprowadzenie do uczenia maszynowego, idea i stosowane podejścia.
- Nie za długie wprowadzenie do python’a i biblioteki numpy.
- Wczytywanie i czyszczenie danych, jak to zrobić szybko i przyjemnie z użyciem biblioteki Pandas.
- Klasyfikacja ręcznie pisanych cyfr z użyciem bibliteki scikit-learn, zastosowanie algorytmu Support Vector Machines (SVM)
- Regresja liniowa, czyli w jaki sposób przewidzieć cenę domu.