AI engineer rozwijający się w stronę badań
Buduję na doświadczeniu w software, a obecny kierunek ustawiam wokół AI: agentów, RAG, lokalnego wnioskowania, DRL, narzędzi edukacyjnych i przygotowania do dalszej pracy naukowej.
Zobacz portfolio i kierunek rozwojuProgramowanie jest ze mną od nastoletnich lat. Przez kolejne etapy pracy budowałem aplikacje webowe, systemy wspierające procesy firmowe, backendy i narzędzia automatyzujące zadania. To doświadczenie traktuję dziś jako fundament do pracy nad systemami AI, które muszą działać nie tylko efektownie, ale też praktycznie i niezawodnie.
Najmocniej rozwijam się obecnie w obszarze sztucznej inteligencji: deep reinforcement learning, agentów, RAG, lokalnego uruchamiania modeli oraz łączenia modeli z realnymi aplikacjami. Interesuje mnie tworzenie elementów AI i składanie ich w pełne, użyteczne rozwiązania.
Kolejny etap planuję z myślą o pracy naukowej: magisterka ukierunkowana na AI, a następnie doktorat. Równolegle poświęcam część czasu informatyce kwantowej, zwłaszcza tam, gdzie spotyka się ona z obliczeniami, optymalizacją i modelowaniem.
To nie jest osobna oferta ani lista modnych haseł, tylko mapa kierunku, w którym układam dalszą pracę: od praktycznych prototypów AI po przygotowanie do ścieżki naukowej.
Modele uczące się przez interakcję, optymalizacja decyzji i eksperymenty wymagające solidnej matematyki oraz kontroli procesu treningu.
Agenci, narzędzia, pamięć, orkiestracja zadań i łączenie modeli językowych z rzeczywistymi aplikacjami.
On-premise i edge AI: lokalne LLM, llama.cpp, testy wydajności, ograniczenia sprzętowe oraz praca blisko danych.
Prototypy łączące modele z dokumentami, workflow, backendem i interfejsami, które da się realnie sprawdzić z użytkownikiem.
Podstawy informatyki kwantowej, Qiskit, PennyLane oraz miejsca styku z optymalizacją, modelowaniem i uczeniem maszynowym.
Planowany kolejny etap to magisterka ukierunkowana na AI, a później doktorat i bardziej systematyczna praca badawcza.
