Kasjan Śmigielski
AWS ML Engineer & Data Scientist
O mnie
Jestem inżynierem AI i Data Scientistem specjalizującym się w projektowaniu inteligentnych systemów opartych o dane — od analizy danych i EDA, przez modele Machine Learning i Computer Vision, po produkcyjne architektury LLM oraz systemy RAG.
Łączę doświadczenie inżynierskie z przemysłu z nowoczesnymi technologiami AI, budując rozwiązania, które:
- rozwiązują realne problemy biznesowe i badawcze,
- są skalowalne i gotowe do pracy produkcyjnej,
- łączą AI z solidną inżynierią oprogramowania.
Moja droga zawodowa
W 2019 roku ukończyłem studia na kierunku Mechatronika na Politechnice Wrocławskiej. Przez kolejne lata pracowałem jako inżynier w przemyśle produkcyjnym, gdzie dane jakościowe i procesowe odgrywały kluczową rolę w optymalizacji procesów i podejmowaniu decyzji.
Praca z rzeczywistymi danymi przemysłowymi:
- rozbudziła moje zainteresowanie analizą danych,
- nauczyła mnie myślenia systemowego,
- pokazała znaczenie jakości danych i kontekstu biznesowego.
Naturalnym krokiem było przejście w stronę Data Science i AI.
Aktualny fokus
Ukończyłem ścieżkę Data Scientist i rozpocząłem systematyczne budowanie portfolio projektów obejmujących:
- eksplorację danych (EDA),
- aplikacje analityczne w Streamlit,
- systemy Machine Learning i Deep Learning,
- rozwiązania oparte o LLM i semantic search.
Obecnie pracuję przy projektach z obszaru:
- Machine Learning i Deep Learning
- Computer Vision
- Integracja LLM i RAG
- AI w środowisku produkcyjnym
Posiadam certyfikat AWS Machine Learning Engineer – Associate, co potwierdza moje kompetencje w zakresie projektowania i wdrażania rozwiązań ML w chmurze.
🎓 Nauczanie i mentoring
Od stycznia 2025 roku pełnię rolę Student Success Managera w Gotoit, gdzie mentoruję kurs Data Science. Prowadzę cotygodniowe sesje live, podczas których poszerzamy wiedzę z zakresu danych i AI.
Dodatkowo prowadzę zajęcia i warsztaty dla:
- Kursantów Data Science — Python, SQL, EDA, Machine Learning, Deep Learning
- Uczniów szkół średnich (profil IT) — praktyczne zastosowania AI
- Nauczycieli i kadry pedagogicznej — odpowiedzialne i praktyczne wykorzystanie AI
Moja filozofia nauczania skupia się na zrozumieniu, nie zapamiętywaniu, realnych przypadkach zamiast sztucznych datasetów oraz krytycznym myśleniu o AI zamiast hype'u.
Stworzyłem również dedykowane materiały dla moich kursantów:
- ML Cheatsheet — kompleksowy przewodnik po Machine Learning
- Coding Cheatsheet — ćwiczenia z Pythona i SQL do praktyki
📚 Aktywność akademicka
W marcu 2025 roku rozpocząłem studia magisterskie na kierunku Sztuczna Inteligencja i Uczenie Maszynowe.
Moja praca magisterska koncentruje się na:
- zastosowaniu computer vision,
- analizie zachowań obiektów w materiale wideo,
- wykorzystaniu algorytmów ML i DL w badaniach biomedycznych.
Projekt realizowany jest we współpracy z Uniwersytetem Medycznym we Wrocławiu.
O tym portfolio
Znajdziesz tutaj wiele projektów, nad którymi pracowałem ostatnio: od eksploracji danych (EDA) na gotowych zbiorach danych, przez tworzenie aplikacji Streamlit pozwalających przeglądać dane w prosty sposób, aż po aplikacje oparte na AI i Machine Learning — do znajdowania wzorców niewidocznych na pierwszy rzut oka.
Zachęcam do regularnych odwiedzin — zamierzam na bieżąco rozszerzać moje portfolio o nowe pomysły.