Zespół Szkół Elektrycznych

Technik Programista 2019-2023

W trakcie nauki w tej placówce zdobyłem solidne podstawy z zakresu programowania i informatyki. Oprócz podstawowych umiejętności, takich jak praca z bazami danych, tworzenie aplikacji webowych, mobilnych i desktopowych, poznałem również zagadnienia związane z algorytmiką, strukturami danych oraz bezpieczeństwem informatycznym.

Uczestniczyłem w projektach praktycznych, które pozwoliły mi na zdobycie doświadczenia w różnych technologiach i narzędziach programistycznych, co przygotowało mnie do dalszej pracy w branży IT.

Zamknij

Uniwersytet Gdański

Modelowanie matematyczne i analiza danych 2023-aktualnie

Poszerzam swoją wiedzę z zakresu analizy danych, sztucznej inteligencji oraz matematycznych metod modelowania. Program studiów obejmuje zaawansowane zagadnienia takie jak statystyka, analiza wielowymiarowa, uczenie maszynowe oraz przetwarzanie dużych zbiorów danych.

Dodatkowo, zdobywam umiejętności w programowaniu, optymalizacji modeli matematycznych oraz pracy z narzędziami analitycznymi, co pozwala na skuteczne rozwiązywanie złożonych problemów w obszarze nauk o danych.

Zamknij

MLJAR

Junior Data Scientist 06.2024-10.2024

W ramach pracy w MLJAR zajmowałem się rozwojem i utrzymaniem open-source'owej biblioteki mljar-supervised. Moje obowiązki obejmowały modyfikację oraz naprawę błędów w kodzie, a także regularne tworzenie i aktualizację dokumentacji technicznej.

Dodatkowo, pisałem artykuły techniczne związane z tematyką AutoML oraz tworzyłem programy, które są wykorzystywane na stronie MLJAR, wspierając użytkowników w efektywnym korzystaniu z narzędzi oferowanych przez firmę.

Zamknij

SmartMailer

Agent Multi-LLM, zbudowany w języku Python, automatyzuje zadania, takie jak wysyłanie spersonalizowanych wiadomości e-mail, wyszukiwanie danych firmowych i zarządzanie rekordami. Wykorzystuje on GPT-4 Turbo do podejmowania decyzji oraz Ollama z Llama 3.1 do lokalnej analizy danych.

Pandas obsługuje operacje na plikach Excel, a smtplib i PyYAML ułatwiają automatyzację poczty e-mail. Agent integruje LlamaIndex do interakcji w języku naturalnym, usprawniając przepływy pracy przy minimalnym ręcznym wprowadzaniu danych.

Zaprojektowany z myślą o wydajności, usprawnia procesy biznesowe, umożliwiając płynną automatyzację opartą na sztucznej inteligencji i inteligentną obsługę danych.

Sprawdź

Machine learning algorithm comparison

Aplikacja automatyzuje proces porównywania różnych algorytmów uczenia maszynowego na wielu zestawach danych. Wykorzystuje AutoML z biblioteki mljar-supervised do tworzenia modeli i oceny ich wydajności zarówno w zadaniach klasyfikacji, jak i regresji.

Program umożliwia zautomatyzowane trenowanie modeli, ocenę wyników, tworzenie rankingów oraz generowanie wykresów porównawczych dla różnych algorytmów.

Sprawdź

Docs AI Chatbot

Aplikacja napisana w Pythonie umożliwia interakcję z plikami PDF i CSV w formie chatu. Wykorzystuje moduł LLM GPT4ALL z biblioteki Langchain do odczytywania danych z plików, a następnie chatbot, oparty na modelu Mistral 7B, udziela odpowiedzi na zadawane pytania.

Interfejs użytkownika został stworzony w oparciu o otwartą bibliotekę Streamlit, co zapewnia intuicyjną i wygodną obsługę.

Sprawdź

Spotify playlist downloader

Program umożliwia bezproblemowe pobieranie ulubionych playlist i albumów ze Spotify (przy założeniu, że jest to legalne).

Aplikacja opiera się na bibliotece Spotipy i oferuje intuicyjny interfejs użytkownika, stworzony w Streamlit. Proces pobierania realizowany jest za pomocą Pytube.

Sprawdź

CVWizard

CVWizard to oparta na sztucznej inteligencji aplikacja internetowa, która zwiększa skuteczność aplikacji o pracę poprzez dostosowanie CV do konkretnych ofert. Wyodrębnia kluczowe umiejętności, języki i doświadczenie z CV, porównuje je z wymaganiami stanowiska i zapewnia spersonalizowane sugestie dotyczące ulepszeń.

Frontend został zbudowany w oparciu o React, TypeScript i TailwindCSS, natomiast backend bazuje na Pythonie, Flasku i bibliotece LlamaIndex. Wykorzystuje model GPT-4-turbo z OpenAI do wglądu i wyszukiwania semantycznego, pomagając osobom poszukującym pracy skutecznie zoptymalizować swoje CV.

Sprawdź

Crypto charts site

Aplikacja oparta na Jupyter Notebook została stworzona do analizy danych rynkowych z wykorzystaniem interfejsu API Binance, przy użyciu biblioteki Python-binance.

Biblioteki Numpy i Pandas umożliwiają pobieranie oraz analizę danych rynkowych, natomiast wizualizacja wykresów jest realizowana za pomocą Mplfinance, które wykorzystuje Matplotlib.

Dodatkowo, dzięki bibliotece open-source Mercury, możliwe jest dodawanie interaktywnych widżetów w notatniku Jupyter, co pozwala na udostępnienie notatnika jako aplikacji internetowej, wdrażanej za pośrednictwem platformy RunMercury Cloud.

Sprawdź