📖 Czytaj online: sircypkowskyy.github.io/python-for-genai-guide - wygodna wersja przeglądarkowa z wyszukiwarką, nawigacją i trybem ciemnym.
Siema! Ten przewodnik to Twój szybki start w świecie Pythona. Został zaprojektowany tak, abyś mógł/mogła jak najszybciej wykorzystać dotychczasowe doświadczenie programistyczne do produktywnej pracy w ekosystemie Data Science, Machine Learning i Generative AI.
Jeśli masz już doświadczenie w językach takich jak C++, C# czy Java, ten przewodnik pomoże Ci szybko odnaleźć się w nowym środowisku: zrozumieć kluczowe różnice, poznać współczesny tooling i wykorzystać swoje umiejętności w praktyce - bez zbędnej teorii, za to z naciskiem na praktyczne różnice i dobre praktyki.
Wiedza została podzielona na osiem tematycznych rozdziałów. Zacznij od pierwszego i przechodź kolejno - każdy rozdział zakłada znajomość poprzednich.
| Rozdział | O czym jest |
|---|---|
| 1. Filozofia i podstawy | Dlaczego Python działa inaczej: model wykonania, typowanie, OOP, obsługa błędów. |
| 2. Środowiska i narzędzia | Nowoczesny tooling: uv, ruff, kontrola typów, Jupyter. |
| 3. Stos Data Science | Pandas, NumPy, Polars, DuckDB, Pydantic, wizualizacja. |
| 4. Web Development i API | FastAPI, Flask, Django, serwery ASGI, model async. |
| 5. Machine Learning | scikit-learn, PyTorch, gradient boosting, rygor ML, MLOps. |
| 6. GenAI i RAG | LLM-y, RAG, agenci, MCP, bezpieczeństwo aplikacji LLM. |
| 7. Architektura aplikacji | Topologie, podział domenowy, Ports & Adapters, ADR. |
| 8. Słowniczek pojęć | Szybkie wyjaśnienia nieznanych terminów. |
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.
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.