Ucz sztucznej inteligencji online po polsku

Do sztucznej inteligencji ludzie trafiają z bardzo różnych stron. Studentka informatyki chce zrozumieć, dlaczego strata jej sieci neuronowej przestaje spadać po trzeciej epoce. Programista chce zbudować aplikację na modelu językowym i nie traktować go jak czarnej skrzynki. Lekarka, prawnik czy szefowa marketingu chcą wiedzieć, co te systemy naprawdę potrafią i gdzie zawodzą. Idei, na których to wszystko stoi, jest mniej, niż sugeruje szum wokół tematu: dane, model, sposób mierzenia jego błędów i metoda, która te błędy zmniejsza.

Właśnie dlatego trudno opanować ten przedmiot w pojedynkę. Biblioteki takie jak scikit-learn czy PyTorch chowają algebrę liniową, rachunek prawdopodobieństwa i analizę matematyczną, na których wszystko się opiera. Model da się wytrenować w dziesięciu linijkach Pythona, a potem nie wiadomo, co zrobić, gdy zaczyna zachowywać się dziwnie. Korepetytor, który na jednej lekcji przechodzi od intuicji do wzoru i od wzoru do kodu, daje dokładnie to, co pomijają internetowe samouczki.

Dlaczego Clasora szuka korepetytorów ze sztucznej inteligencji uczących po polsku

Clasora pokazuje uczniom korepetytorów, którzy uczą w języku, w jakim uczeń korzysta ze strony. Kto czyta Clasorę po polsku, widzi korepetytorów prowadzących zajęcia po polsku. Jeśli uczysz po polsku, to właśnie ci uczniowie cię znajdują.

W sztucznej inteligencji ma to szczególne znaczenie, bo prawie wszystko wokół tej dziedziny jest po angielsku: dokumentacja, artykuły naukowe, komunikaty o błędach, nazwy funkcji. Na zajęciach słowa takie jak „overfitting”, „embedding” czy „prompt” padają bez tłumaczenia. Ktoś, kto uczy się po polsku, potrzebuje osoby, która jasno wyjaśni mu pojęcia w jego języku i od razu połączy je z angielskimi terminami, na które trafi w kodzie. To, że „bias” raz oznacza parametr neuronu, raz błąd systematyczny w statystyce, a raz stronniczość decyzji modelu, dużo łatwiej zrozumieć, gdy ktoś wytłumaczy to po polsku.

Clasora nie zatrudnia korepetytorów i to nie jest ogłoszenie o pracę. Działasz samodzielnie: to ty ustalasz ceny i godziny i prowadzisz tyle zajęć, ile chcesz. Może to być dodatkowy dochód z dwóch wieczorów w tygodniu albo tyle lekcji, że zastąpią ci etat.

Jak wygląda nauczanie sztucznej inteligencji online w Clasorze

Praca jest w pełni zdalna. Wszystkie zajęcia odbywają się online, a ty uczysz z miejsca, w którym mieszkasz.

Uczniowie rezerwują terminy bezpośrednio w twoim kalendarzu. Widzą tylko godziny, które oznaczysz jako wolne, i to w swojej strefie czasowej, więc nikt nie musi niczego przeliczać. To ty decydujesz, z jakim wyprzedzeniem trzeba rezerwować i jak daleko naprzód można to robić.

Lekcje odbywają się w przeglądarce i nikt nie musi niczego instalować. Najwięcej pracy wykonuje udostępnianie ekranu. Otwierasz notatnik Jupyter, zmieniasz współczynnik uczenia, uruchamiasz komórkę jeszcze raz, a uczeń widzi, jak zmienia się krzywa straty. Przechodzisz krok po kroku przez pętlę treningową w VS Code albo rysujesz małą sieć w aplikacji z tablicą i stosujesz regułę łańcuchową od końca sieci, waga po wadze. Równie często to uczeń udostępnia ekran, a ty czytasz z nim ślad stosu, aż znajdzie się tensor o złym kształcie. Czat podczas połączenia przydaje się do przesłania linijki kodu albo komunikatu o błędzie, a rozmycie tła zostawia twój pokój poza kadrem.

Między lekcjami każdy uczeń ma z tobą osobną rozmowę. Może tam wrzucić notatnik, w którym model nie chce się uczyć, plik CSV, na którym pracuje, albo artykuł, przez który nie może przebrnąć, a ty odpowiadasz komentarzami, uporządkowaną wersją kodu albo zadaniem na następny raz. Wiadomości, pliki i udostępnione linki leżą obok zajęć, do których należą, więc po kilku tygodniach wciąż łatwo znajdziesz notatnik omawiany na konkretnej lekcji. Własne zadania i przykładowe notatniki możesz trzymać w osobistym miejscu na pliki, a dokumenty przenosić z Dysku Google. Jeśli planujesz tydzień w Kalendarzu Google, możesz zsynchronizować go ze swoim kalendarzem w Clasorze.

W czym uczniowie najczęściej potrzebują pomocy

Podstawy uczenia maszynowego: uczenie nadzorowane i nienadzorowane, regresja, klasyfikacja i klasteryzacja oraz to, jak rozpoznać, czego wymaga dany problem.

Matematyka pod spodem: wektory i macierze, pochodne i reguła łańcuchowa, prawdopodobieństwo oraz to, dlaczego metoda spadku gradientu schodzi we właściwą stronę.

Sieci neuronowe: warstwy, funkcje aktywacji, funkcje straty, propagacja wsteczna i co robić, gdy trening staje w miejscu albo się rozjeżdża.

Architektury głębokiego uczenia: sieci konwolucyjne do obrazów, sieci rekurencyjne do sekwencji i transformery z mechanizmem uwagi.

Modele językowe: tokeny i embeddingi, przewidywanie kolejnego słowa, pisanie promptów, dostrajanie i wyszukiwanie we własnych dokumentach.

Narzędzia w Pythonie: NumPy, pandas, scikit-learn, PyTorch lub TensorFlow i swobodna praca w notatnikach.

Praca z danymi: czyszczenie, dobór cech, podział na zbiór treningowy i testowy oraz wychwytywanie wycieku danych, zanim zawyży wyniki modelu.

Ocena modelu: precyzja i czułość, macierz pomyłek, walidacja krzyżowa i wybór metryki, która pasuje do prawdziwego problemu.

Klasyczna AI: algorytmy przeszukiwania takie jak A*, minimaks w grach, logika i problemy spełniania ograniczeń, od których wciąż zaczyna się wiele kursów wprowadzających.

Uczenie ze wzmocnieniem: agenci, nagrody i polityki oraz Q-learning przeliczony ręcznie.

Projekty: zaplanowanie projektu na zaliczenie albo do portfolio, szukanie w nim błędów i czytanie artykułów, na których się opiera.

AI dla niespecjalistów: osoby z innych branż, które chcą zrozumieć, jak działają te narzędzia, gdzie się mylą i jaką rolę odgrywają tu stronniczość i prywatność.

Przygotowanie do egzaminu lub kolokwium: powtórka wyprowadzeń i utrwalenie pojęć, które wciąż się wymykają.

Kogo szukamy

Znasz obszary AI, których uczysz, na tyle dobrze, że potrafisz wyjaśnić, jak dana metoda działa i dlaczego, oraz znaleźć błąd w pętli treningowej napisanej przez kogoś innego.

Jasno tłumaczysz po polsku i umiesz opowiedzieć techniczną ideę prostymi słowami komuś, kto nigdy nie widział tej notacji.

Odróżniasz to, co obecne modele naprawdę potrafią, od tego, co się o nich mówi, i mówisz wprost, gdy oczekiwania ucznia rozmijają się z rzeczywistością.

Być może uczysz już informatyki albo AI, masz za sobą studia z informatyki, matematyki, statystyki lub pokrewnego kierunku, studiujesz i dobrze znasz uczenie maszynowe albo pracujesz z nim na co dzień jako inżynier, analityk danych, badacz lub programista.

Masz komputer z kamerą i mikrofonem oraz stabilne łącze internetowe.

Masz co najmniej 18 lat.

Doświadczenie w nauczaniu pomaga, ale nie jest wymagane.

Co zyskujesz

Zero prowizji. Clasora nie bierze nic z ceny, którą ustalasz.

Darmowa rejestracja i publikacja. Bez abonamentu i bez opłat za wystawienie usługi.

Twoje ceny. Ustalasz cenę dla każdej długości zajęć i możesz zaproponować darmową pierwszą lekcję.

Twoje godziny. Wybierasz godziny w tygodniu i dni wolne, potrzebne wyprzedzenie i to, jak daleko naprzód można rezerwować.

Własna publiczna strona. Twoja usługa ma osobną stronę, którą znajdują wyszukiwarki i którą każdy odwiedzający widzi w swoim języku. Są na niej twoje zdjęcie, film wprowadzający, to, czego uczysz, języki, którymi mówisz, i cena za każdą długość zajęć.

Opinie, które mówią o nauczaniu. Uczniowie oceniają twoją wiedzę, jasność przekazu i zaangażowanie.

Sprawdzone kwalifikacje. Dyplomy i inne kwalifikacje możesz dodać do profilu, a moderator je sprawdza.

Lekcje w przeglądarce. Wideo z udostępnianiem ekranu, rozmyciem tła i czatem podczas połączenia, bez instalowania czegokolwiek.

Jak zacząć

Załóż konto przyciskiem na tej stronie.

Opublikuj usługę ze sztucznej inteligencji i napisz, jakie obszary obejmujesz i dla kogo są twoje zajęcia.

Otwórz kalendarz i zaznacz godziny, w których masz czas.

Zajmie ci to kilka minut. Zostając korepetytorem, akceptujesz regulamin, a moderator sprawdza twoją usługę, zanim zostanie opublikowana.

Pytania, które zadają korepetytorzy

Czy potrzebuję doktoratu albo pracy w badaniach nad AI?

Nie. Potrzebujesz solidnej znajomości obszarów AI, których uczysz, i umiejętności jasnego ich wyjaśniania. Spora część pytań uczniów dotyczy podstaw: matematyki, kluczowych algorytmów i tego, dlaczego model zachowuje się tak, a nie inaczej. Jeśli masz dyplom albo inne kwalifikacje z tej dziedziny, dodaj je do profilu, a moderator je sprawdzi.

Czy mogę uczyć osoby, które nigdy nie programowały?

Tak. W usłudze piszesz, czego uczysz i dla kogo. Możesz zaproponować wprowadzenie do działania AI bez ani jednej linijki kodu, Pythona od zera z uczeniem maszynowym jako celem albo wyłącznie zaawansowane tematy dla doświadczonych programistów.

Czy mogę uczyć tylko jednego obszaru, na przykład widzenia komputerowego?

Tak. Możesz oferować całą dziedzinę albo tylko te części, które znasz najlepiej: głębokie uczenie, przetwarzanie języka naturalnego czy matematykę, która za nimi stoi.

Jak pracować z kodem ucznia?

Poproś ucznia, żeby udostępnił ekran w trakcie lekcji albo wcześniej przesłał notatnik i dane w waszej rozmowie. Wtedy przejrzysz je na spokojnie przed zajęciami. To, co odeślesz, zostaje w tej samej rozmowie, obok zajęć, których dotyczy.

Jak wygląda płatność za zajęcia?

Płatności kartą nie są jeszcze włączone. Na razie rezerwacja jest potwierdzana bez karty, a płatność rozliczasz bezpośrednio z uczniem. Clasora nie pobiera prowizji od twojej ceny.