Portfolio

Projekt: Droga do Trofeum - Mistrzostwa Świata w Piłce Nożnej 2026
Narzędzia: Python, PostgreSQL (Supabase), API-Football, GitHub, JavaScript
Opis: Model codziennie liczy szanse każdej reprezentacji na mistrzostwo na podstawie statystyk meczowych i rankingu FIFA, a symulacja Monte Carlo wyznacza prawdopodobieństwo zdobycia tytułu.
Cel: Sprawdzenie, czy prosty, przejrzysty model statystyczny (bez uczenia maszynowego) potrafi sensownie odtworzyć i prognozować przebieg całego turnieju na podstawie samych statystyk meczowych i rankingu FIFA.
Dane: API-Football oraz FotMob
Repozytorium: Zobacz na GitHub

Projekt:Chess Style Classifier - czy algorytm rozpozna mistrza po stylu gry?
Narzędzia: Python, scikit-learn, Stockfish, python-chess, Supabase (PostgreSQL), GitHub Actions, GitHub Pages, JavaScript (chessboard.js, Chart.js)
Opis: Projekt ML sprawdzający, czy algorytm potrafi rozpoznać arcymistrza po stylu gry. Model analizuje partie z Chess.com przy użyciu Stockfisha i wyznacza prawdopodobieństwo przynależności każdego ruchu do konkretnego gracza.
Cel: Klasyfikacja stylu gry przy użyciu uczenia maszynowego
Dane: Chess.com API - partie Magnus Carlsen i Hikaru Nakamura
Repozytorium: Zobacz na GitHub

Projekt: Data storytelling dla Working Dogs Foundation - animowane wideo #BI_NGO
Narzędzia: PowerPoint, GPT-4o (grafiki), Gen-4 Turbo (animacje), Eleven v3 (synteza mowy), edytor wideo
Opis: Animowane wideo z narracją stworzone w ramach wolontariatu analitycznego #BI_NGO (Język Danych × Working Dogs Foundation). Projekt odpowiadał na konkretną potrzebę fundacji: „mamy opisane co robimy, ale nie mamy danych, które chwytają za serce".
Cel: Przygotowanie materiału promocyjno-fundraisingowego do wykorzystania podczas spotkań z partnerami, fundraisingu i komunikacji w mediach społecznościowych.
Dane: Publiczne dane o schroniskach i adopcjach w Polsce (2005–2024) oraz dane operacyjne i finansowe fundacji z lat 2022–2025.
Wolontariat: #BI_NGO II edycja - inicjatywa Język Danych wspierająca organizacje społeczne w wizualizacji danych.

🔒 Dane operacyjne i finansowe fundacji są poufne - projekt dostępny wyłącznie w formie wideo.

Projekt: Moja droga rekrutacyjna - dashboard analityczny procesu poszukiwania pracy
Narzędzia: Excel, Power Query, Looker Studio
Opis: Eksploracyjna analiza 18 aplikacji na stanowiska związane z BI i analityką danych. Projekt obejmuje modelowanie procesu rekrutacyjnego, analizę czasu reakcji, poziomu dopasowania kompetencji oraz spójności poziomu stanowiska z wynikiem procesu. Dane zostały zamrożone w dniu otrzymania oferty.
Cel: Uporządkowanie procesu rekrutacyjnego w formie mierzalnego modelu analitycznego oraz identyfikacja czynników potencjalnie powiązanych z przejściem do kolejnych etapów.
Projekt miał na celu przejście od subiektywnej oceny rynku do eksploracyjnej analizy danych.
Dane: Zanonimizowane dane własne dotyczące aplikacji rekrutacyjnych.
Repozytorium: Zobacz na GitHub

Projekt: Warkan - Świadomy kosztowo asystent AI dla bloga
Narzędzia: Python, FastAPI, scikit-learn (TF-IDF), REST API, WordPress API, Cloudflare Workers AI
Opis: Autorski chatbot blogowy oparty na architekturze Retrieval-Augmented Generation (RAG), łączący wyszukiwanie semantyczne z generowaniem odpowiedzi przez model językowy.
Cel: Stworzenie asystenta, który odpowiada wyłącznie na podstawie rzeczywistych treści bloga, z kontrolą kontekstu, logiki działania i kosztów zapytań do modelu.
Dane: Źródłem danych są wpisy blogowe pobierane dynamicznie przez WordPress REST API.
Repozytorium: Zobacz na GitHub