Quant Labs

28/10/2025

🎓 Uniwersytet Stanforda udostępnił na YouTube ponad 20 godzin wykładów magisterskich poświęconych sztucznej inteligencji 🤖
📘 Kurs: CS336 Language Modeling from Scratch

🗓️ Wykłady odbyły się w semestrze wiosennym 2025 i obejmują m.in.:
⚙️ transformatory
📈 prawa skalowania
🧠 RLHF (Reinforcement Learning from Human Feedback)
⚡ FlashAttention2

💡 Jest to solidne i darmowe źródło wiedzy o tym, jak budować modele językowe od podstaw prosto od jednego z najlepszych uniwersytetów świata 🌍 Warto dodać, że koszt udziału w szkoleniu na uniwersytecie wynosił ponad 20 tys. zł.

📺 Jeśli interesuje was praktyczna strona AI, naprawdę warto to zobaczyć!

For more information about Stanford's online Artificial Intelligence programs visit: https://stanford.io/aiTo learn more about enrolling in this course visit...

26/10/2025

Chyba nikt nie potrafi w tak przystępny sposób wyjaśnić sieci neuronowych jak Kinsley i Kukiela. Jest to naprawdę jedna z najlepszych książek o uczeniu maszynowym. Żadnych zbędnych treści, tylko czysty Python. Jeśli ktoś chce naprawdę zrozumieć o co chodzi z sieciami neuronowymi /machine learningiem / AI to jest właśnie to. https://nnfs.io/ uzupełnieniem może być kanał Kinsleya na Youtube: https://www.youtube.com//videos

07/04/2025

❓ Prowadzisz NGO, fundację, stowarzyszenie lub firmę i potrzebujesz wsparcia w pozyskiwaniu finansowania?
❓ Brakuje Ci czasu lub zasobów, by zadbać o strategię rozwoju, marketing czy technologię?
❓ Masz pomysł, ale nie wiesz, jak go sfinansować lub przedstawić inwestorom?

Jeśli choć jedno z tych pytań brzmi znajomo — jesteśmy tu, by pomóc. ✅

💡Łączymy wiedzę z zakresu rynku kapitałowego, Big Data i doradztwa inwestycyjnego z doświadczeniem w pozyskiwaniu dotacji i funduszy na rozwój.

🔍 Co robimy?

💰 Pozyskujemy dotacje i dofinansowania (publiczne/prywatne) – od analizy szans, przez przygotowanie wniosku, aż po rozliczenie.
📈 Tworzymy strategie rozwoju i ekspansji – z wykorzystaniem danych, analiz rynkowych i najnowszych narzędzi.
🧠 Wspieramy NGO i start-upy w profesjonalizacji działań – doradzamy, szkolimy i wdrażamy skuteczne rozwiązania.
📊 Przygotowujemy dokumentacje inwestycyjne, biznesplany i analizy opłacalności – nie tylko dla inwestorów, przedsiębiorstw, ale i podmiotów przyznających środki.
📢 Budujemy komunikację i wizerunek marki – od strategii marketingowej po relacje inwestorskie.
🌍 Tworzymy rozwiązania IT i kampanie cyfrowe, które zwiększają zasięg, skuteczność i konwersję.

22/09/2024

Czy dojdzie do zagłady na amerykańskim indeksie S&P 500?

Ubiegły tydzień przyniósł kolejne rekordowe poziomy na amerykańskim indeksie S&P 500, który zamknął tydzień na poziomie 5702.55 pkt. Sporo. Patrząc na to,…

14/10/2022

Dostęp do platformy AI (sztucznej inteligencji) i uruchamianie kodu uczenia maszynowego (ML) na platformie musi być płynny i łatwy dla analityków i researcherów. Migracja dowolnego kodu ML ze środowiska lokalnego na platformę nie powinna w ogóle wymagać refaktoryzacji kodu. Nakład pracy związany z konfiguracją infrastruktury powinien być minimalny. Misją podczas rozwoju PyKrylov było maksymalne wyabstrahowanie logiki ML z infrastruktury i głównych komponentów Krylova, aby osiągnąć jak najlepsze wrażenia dla użytkowników platformy.

Więcej informacji na temat PyKrylov:

A recent eBay Tech Blog article presented the Unified AI platform called Krylov. In this article, we show how Krylov users interact with the platform to build and manage powerful workflows in a pythonic and efficient way.

13/10/2022

GS Quant to zestaw narzędzi wykorzystywanych do analiz kwantytatywnych portfeli, strategii inwestycyjnych oraz szeroko pojętego rynku kapitałowego. Narzędzia zostały zaprojektowane i używane przez najlepszych traderów w Goldman Sachs. Rozwijane na przestrzeni ostatnich 25 lat, stały się niezwykle skuteczne w rozwijaniu i ulepszaniu strategii inwestycyjnych oraz wspomagają zarządzanie ryzykiem rynkowym.

Developer Documentation for GS Quant

10/10/2022

Wraz z rozpowszechnianiem się Machine Learning (uczenia maszynowego), a zwłaszcza modeli Deep Learning (nauczania głębokiego), w podejmowaniu decyzji coraz ważniejsze stają się narzędzia black-box (wprowadzenie w błąd algorytmu nauczania bez współpracy z jego autorem tzw. atak z zewnątrz) oraz uzasadnienia kluczowych decyzji na podstawie wyników modeli DL.

Przykładem może być odrzucenie przez model Machine Learningu wniosku o kredyt bankowy lub przypisanie określonemu klientowi ryzyka kredytowego podczas ubiegania się o pożyczkę społecznościową.

W wielu przypadkach nauczanie maszynowe nie jest tylko wymogiem biznesowym, ale również wymogiem regulacyjnym, aby zrozumieć dlaczego klientowi wydano określoną decyzję lub przedstawioną opcję/alternatywę (chociażby na przykładzie procesu ubiegania się o kredyt bankowy).

Interpretacja modelu głębokiej nauki przez SHAP jest ważnym narzędziem, które można wykorzystać w celu wyjaśnienia sztucznej inteligencji oraz budowania zaufania do wyników modeli nauczania maszynowego oraz sztucznych inteligencji w rozwiązywaniu problemów biznesowych.

Po więcej informacji zachęcamy do odwiedzenia: https://www.databricks.com/blog/2022/02/02/scaling-shap-calculations-with-pyspark-and-pandas-udf.html

Learn more about how a scalable SHAP values calculation solution using PySpark and Pandas UDFs can help model explainability with improved performance.

08/09/2022

Ryzyko...