~/python-for-genai-guide

Python dla Data Science, ML i GenAI¶

Szybki start dla doświadczonych programistów C++, C# i Java wchodzących w ekosystem Data Science, Machine Learning i Generative AI - bez zbędnej teorii, z naciskiem na praktyczne różnice i dobre praktyki.

Zacznij od rozdziału 1 Repozytorium na GitHubie

8 rozdziałów · od C++/C#/Java do Pythona · open-source · stan wiedzy: maj 2026

Ścieżka nauki¶

Wiedza została podzielona na osiem tematycznych rozdziałów. Zacznij od pierwszego i przechodź kolejno - każdy rozdział zakłada znajomość poprzednich.

01 Filozofia i podstawy

Dlaczego Python działa inaczej: model wykonania, typowanie, OOP, obsługa błędów.
02 Środowiska i narzędzia

Nowoczesny tooling: uv, ruff, kontrola typów, Jupyter.
03 Stos Data Science

Pandas, NumPy, Polars, DuckDB, Pydantic, wizualizacja danych.
04 Web Development i API

FastAPI, Flask, Django, serwery ASGI, model async.
05 Machine Learning

scikit-learn, PyTorch, gradient boosting, rygor ML, MLOps.
06 GenAI i RAG

LLM-y, RAG, agenci, MCP, bezpieczeństwo aplikacji LLM.
07 Architektura aplikacji

Topologie, podział domenowy, Ports & Adapters, ADR.
08 Słowniczek pojęć

Szybkie wyjaśnienia nieznanych terminów.

Mapa ekosystemu¶

Python to przede wszystkim potężny ekosystem bibliotek. Oto najważniejsze obszary, w których będziesz pracować:

Analiza danych - Pandas ("SQL na sterydach"), NumPy (fundament obliczeń numerycznych), Polars i DuckDB dla większej skali.
Web i API - FastAPI (nowoczesne, async API), Flask (minimalistyczny micro-framework), Django (batteries-included).
Machine Learning - scikit-learn (klasyczny ML), PyTorch (dominujący framework deep learningu), gradient boosting (XGBoost, LightGBM, CatBoost).
Generative AI - frameworki orkiestracji (LangGraph, LlamaIndex, PydanticAI), wzorzec RAG oraz MCP (Model Context Protocol) do łączenia agentów z narzędziami.

Tip

Zanim zaczniesz pisać kod, poznaj współczesny tooling: napisane w Rust uv (zunifikowany menedżer projektów) i Ruff (błyskawiczny linter i formatter). Szczegóły w rozdziale Środowiska i narzędzia.

Zasoby do dalszej nauki¶

Poniższe materiały są świetnym punktem startowym i są całkowicie darmowe:

Oficjalna dokumentacja Pythona (PL) - https://docs.python.org/pl/3/
Automate the Boring Stuff with Python - https://automatetheboringstuff.com/
Python for Everybody - https://www.py4e.com/
CS50's Introduction to Programming with Python (Harvard) - https://cs50.harvard.edu/python/
Python Programming MOOC (Uniwersytet Helsiński) - https://programming.mooc.fi/
Python Tutor (wizualizacja wykonania kodu) - https://pythontutor.com/
Boot.dev - interaktywna ścieżka od Pythona po backend i CS (część darmowa, część płatna)

Stan wiedzy: maj 2026. Przewodnik open-source - repozytorium na GitHubie. Autor: Cyprian Gburek.