---
title: "Lista zasobów do dalszej nauki"
description: "Źródła, kursy i publikacje rozszerzające tematykę warsztatów AI Literacy Lab. Dobrane pod kątem studentów i badaczy. Dane aktualne na marzec 2026, zweryfikowane. Licencja CC BY-SA 4.0."
formats: ["PDF", "Notion"]
category: "resources"
version: "1.0"
lastUpdated: "2026-03-27"
author: "Artur Sendyka"
license: "CC BY-SA 4.0"
tags: ["zasoby", "kursy", "książki", "podcasty", "narzędzia", "etyka AI", "prompt engineering", "LLM", "badania"]
---

## Podsumowanie AI

- **Temat:** Lista zasobów do dalszej nauki
- **Cel materiału:** Źródła, kursy i publikacje rozszerzające tematykę warsztatów AI Literacy Lab. Dobrane pod kątem studentów i badaczy. Dane aktualne na marzec 2026, zweryfikowane. Licencja CC BY-SA 4.0.
- **Jak pracować z treścią:** czytaj sekcjami, testuj zrozumienie pytaniami i wykorzystuj AI do aktywnej powtórki.

## Jak korzystać z tej listy

Zasoby są pogrupowane tematycznie — odpowiadają kolejnym modułom warsztatów. Każda pozycja zawiera krótki opis i poziom trudności:

- 🟢 **Podstawowy** — bez wcześniejszej wiedzy technicznej
- 🟡 **Średniozaawansowany** — przydatna znajomość podstaw AI
- 🔴 **Zaawansowany** — wymaga wiedzy technicznej lub akademickiej

Wszystkie linki prowadzą do zasobów bezpłatnych lub z darmowym dostępem próbnym, chyba że zaznaczono inaczej.

> **Uwaga:** Rynek AI zmienia się szybko. Przed zapisem na kurs sprawdź aktualność materiałów na stronie dostawcy.

---

## CZĘŚĆ I — Podstawy AI: LLM, RAG, Agenty, MCP

*Odpowiada modułowi 1: „Podstawy AI – LLM, RAG, Agenty AI, MCP"*

### Kursy i interaktywne materiały

| Zasób | Dostawca | Poziom | Język |
|-------|----------|--------|-------|
| [Generative AI for Everyone](https://www.coursera.org/learn/generative-ai-for-everyone) | DeepLearning.AI / Coursera | 🟢 | EN |
| [Introduction to Large Language Models](https://www.cloudskillsboost.google/course_templates/539) | Google Cloud Skills Boost | 🟢 | EN |
| [Understanding AI](https://www.elementsofai.com/pl) | Elements of AI (Reaktor + Uni Helsinki) | 🟢 | PL |
| [LLM Bootcamp – Full Stack Deep Learning](https://fullstackdeeplearning.com/llm-bootcamp/) | FSDL | 🟡 | EN |
| [Retrieval Augmented Generation (RAG)](https://www.deeplearning.ai/short-courses/building-and-evaluating-advanced-rag/) | DeepLearning.AI | 🟡 | EN |
| [AI Agents in LangGraph](https://www.deeplearning.ai/short-courses/ai-agents-in-langgraph/) | DeepLearning.AI | 🟡 | EN |

### Model Context Protocol (MCP) — zasoby 2026

MCP to otwarty standard (Anthropic, 2024) zarządzany od grudnia 2025 przez Linux Foundation. Obsługiwany przez OpenAI, Google DeepMind, Microsoft i ponad 500 publicznych serwerów.

- 🟢 [What is MCP? Model Context Protocol Explained](https://decodethefuture.org/en/what-is-mcp-model-context-protocol/) — przystępne wprowadzenie, marzec 2026
- 🟡 [Everything your team needs to know about MCP in 2026](https://workos.com/blog/everything-your-team-needs-to-know-about-mcp-in-2026) — WorkOS, historia i architektura
- 🔴 [Model Context Protocol – specyfikacja](https://modelcontextprotocol.io/introduction) — Anthropic, dokumentacja techniczna

### Artykuły i raporty

- 🟢 [What is a large language model?](https://www.cloudflare.com/learning/ai/what-is-large-language-model/) — Cloudflare Learning, przystępne wprowadzenie
- 🟢 [Software 2.0](https://karpathy.medium.com/software-2-0-a64152b37c35) — Andrej Karpathy, dlaczego AI zmienia programowanie
- 🟡 [Attention Is All You Need](https://arxiv.org/abs/1706.03762) — Vaswani et al. (2017), oryginalny artykuł o architekturze Transformer
- 🟡 [A Survey of Large Language Models](https://arxiv.org/abs/2303.18223) — Zhao et al. (2023), kompleksowy przegląd
- 🟡 [DeepSeek-R1: Incentivizing Reasoning Capability in LLMs](https://arxiv.org/abs/2501.12948) — DeepSeek (2025), open-source model rozumowania

---

## CZĘŚĆ II — AI w codziennej pracy: produktywność i research

*Odpowiada modułowi 2: „AI na co dzień – produktywność, research i organizacja pracy"*

### Kursy i przewodniki

| Zasób | Dostawca | Poziom | Język |
|-------|----------|--------|-------|
| [AI for Academic Research](https://www.coursera.org/learn/ai-for-academic-research) | Coursera | 🟢 | EN |
| [Perplexity AI – oficjalny przewodnik](https://www.perplexity.ai/hub/getting-started) | Perplexity | 🟢 | EN |
| [NotebookLM – Getting Started](https://notebooklm.google.com/) | Google | 🟢 | EN/PL |
| [AI-Powered Productivity](https://www.linkedin.com/learning/ai-powered-productivity) | LinkedIn Learning | 🟡 | EN |

### Narzędzia warte poznania

- **[Perplexity AI](https://www.perplexity.ai/)** — wyszukiwarka z cytowaniami, dobra do szybkiego researchu
- **[NotebookLM](https://notebooklm.google.com/)** — analiza własnych dokumentów, generowanie podcastów i streszczeń
- **[Elicit](https://elicit.com/)** — AI do przeszukiwania literatury naukowej
- **[Consensus](https://consensus.app/)** — wyszukiwarka twierdzeń naukowych z metaanalizą
- **[Connected Papers](https://www.connectedpapers.com/)** — wizualizacja sieci cytowań

### Nowe narzędzia 2026

- **[Google NotebookLM](https://notebooklm.google.com/)** — od 2026 dostępny w Google Workspace for Education (UW, UJ i inne uczelnie); analiza dokumentów, generowanie podcastów audio
- **[Gemini for Google Workspace](https://workspace.google.com/intl/pl/products/gemini/)** — dostępny na uczelniach z pakietem Google Workspace for Education

### Artykuły

- 🟢 [How to use AI tools for research without getting burned](https://www.nature.com/articles/d41586-023-00340-6) — Nature, praktyczne wskazówki
- 🟢 [OECD Digital Education Outlook 2026: Generative AI in Education](https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_163b3b4e-en.html) — raport OECD o AI w dydaktyce
- 🟡 [Augmenting human intellect with AI](https://hai.stanford.edu/news/augmenting-human-intellect-ai) — Stanford HAI

---

## CZĘŚĆ III — Prompt Engineering

*Odpowiada modułowi 3: „Prompt Engineering – techniki, struktury i iteracje"*

### Kursy

| Zasób | Dostawca | Poziom | Język |
|-------|----------|--------|-------|
| [ChatGPT Prompt Engineering for Developers](https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/) | DeepLearning.AI | 🟢 | EN |
| [Prompt Engineering Guide](https://www.promptingguide.ai/pl) | DAIR.AI | 🟡 | PL/EN |
| [Learn Prompting](https://learnprompting.org/pl/docs/intro) | Learn Prompting | 🟢 | PL/EN |
| [Anthropic Prompt Engineering](https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview) | Anthropic | 🟡 | EN |

### Repozytoria i zbiory promptów

- **[Awesome ChatGPT Prompts](https://github.com/f/awesome-chatgpt-prompts)** — GitHub, ponad 200 gotowych promptów
- **[Fabric](https://github.com/danielmiessler/fabric)** — framework do budowania promptów i automatyzacji
- **[OpenAI Cookbook](https://cookbook.openai.com/)** — oficjalne przykłady i techniki
- **[Anthropic Prompt Library](https://docs.anthropic.com/en/prompt-library/library)** — gotowe szablony od twórców Claude

### Techniki 2026 — co nowego

W 2026 r. lepsze modele **bardziej** reagują na dobrze skonstruowane prompty (nie mniej). Kluczowe techniki:

| Technika | Opis |
|----------|------|
| **Chain-of-Thought (CoT)** | „Myśl krok po kroku" — wymuszenie rozumowania |
| **Prompt Chaining** | Łańcuch promptów: wynik jednego → wejście kolejnego |
| **Negative Constraints** | „Nie rób X" — ograniczenia redukują halucynacje |
| **XML Structuring** (Claude) | Tagi XML dla precyzyjnej struktury odpowiedzi |
| **Self-Consistency** | Wielokrotne próby + głosowanie nad odpowiedzią |

### Artykuły

- 🟡 [Prompt Engineering Guide 2026: 12 Techniques That Actually Work](https://ailearnings.in/blog/prompt-engineering-techniques) — AI Learning Hub, marzec 2026
- 🟡 [Chain-of-Thought Prompting Elicits Reasoning in Large Language Models](https://arxiv.org/abs/2201.11903) — Wei et al. (2022)
- 🟡 [Large Language Models Are Zero-Shot Reasoners](https://arxiv.org/abs/2205.11916) — Kojima et al. (2022), „Let's think step by step"
- 🔴 [Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4](https://arxiv.org/abs/2312.16171) — 26 zasad skutecznych promptów
- 🔴 [AI Prompting Techniques for Reasoning Models 2026](https://karozieminski.substack.com/p/ai-prompting-techniques-reasoning-models-2026) — techniki dla modeli rozumowania (o1, R1, Gemini 2.0)

---

## CZĘŚĆ IV — AI w nauce: metodologia, cytowanie i etyka

*Odpowiada modułowi 4: „AI w nauce – metodologia, cytowanie i etyka"*

### Wytyczne instytucjonalne

- 🟢 [Wytyczne UJ dotyczące korzystania z AI](https://www.uj.edu.pl/ai) — Uniwersytet Jagielloński *(sprawdź aktualną wersję)*
- 🟢 [UNESCO Recommendation on the Ethics of AI](https://www.unesco.org/en/artificial-intelligence/recommendation-ethics) — UNESCO, 2021
- 🟡 [COPE Guidelines on AI in Academic Publishing](https://publicationethics.org/cope-position-statements/ai-author) — Committee on Publication Ethics
- 🟡 [Nature's AI policy for authors](https://www.nature.com/nature-portfolio/editorial-policies/ai) — Nature Portfolio

### Kursy i materiały

| Zasób | Dostawca | Poziom | Język |
|-------|----------|--------|-------|
| [AI Ethics](https://www.coursera.org/learn/ai-ethics) | University of Michigan / Coursera | 🟢 | EN |
| [Ethics of AI](https://ethics-of-ai.mooc.fi/) | University of Helsinki | 🟢 | EN |
| [Responsible AI](https://www.microsoft.com/en-us/ai/responsible-ai) | Microsoft | 🟢 | EN |
| [AI Safety Fundamentals](https://aisafetyfundamentals.com/) | BlueDot Impact | 🟡 | EN |

### Kluczowe raporty i publikacje

- 🟢 [State of AI Report 2025](https://www.stateof.ai/) — coroczny raport o stanie branży AI
- � [OECD Digital Education Outlook 2026](https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_163b3b4e-en.html) — AI w edukacji, personalizacja, etyka dydaktyczna
- 🟡 [AI Index Report 2025](https://aiindex.stanford.edu/report/) — Stanford HAI, dane i trendy
- 🟡 [UNESCO Recommendation on the Ethics of AI](https://www.unesco.org/en/artificial-intelligence/recommendation-ethics) — UNESCO, globalne ramy etyczne
- 🔴 [Sparks of Artificial General Intelligence](https://arxiv.org/abs/2303.12528) — Microsoft Research (2023), analiza GPT-4

### Nowe narzędzia AI na polskich uczelniach (2026)

- **[NotebookLM + Gemini na UW](https://www.uw.edu.pl/nowe-narzedzia-ai-na-uw/)** — Google Workspace for Education dostępny dla @uw.edu.pl i @student.uw.edu.pl
- Sprawdź analogiczne wdrożenia na swojej uczelni — wiele polskich uczelni uruchamia podobne pakiety w 2026 r.

---

## CZĘŚĆ V — AI w programowaniu

*Odpowiada modułowi 5: „AI w programowaniu – Copilot, agenty i automatyzacja"*

### Kursy

| Zasób | Dostawca | Poziom | Język |
|-------|----------|--------|-------|
| [GitHub Copilot Fundamentals](https://learn.microsoft.com/en-us/training/paths/copilot/) | Microsoft Learn | 🟢 | EN |
| [Pair Programming with a Large Language Model](https://www.deeplearning.ai/short-courses/pair-programming-llm/) | DeepLearning.AI | 🟢 | EN |
| [Building Systems with the ChatGPT API](https://www.deeplearning.ai/short-courses/building-systems-with-chatgpt/) | DeepLearning.AI | 🟡 | EN |
| [LangChain for LLM Application Development](https://www.deeplearning.ai/short-courses/langchain-for-llm-application-development/) | DeepLearning.AI | 🟡 | EN |

### Narzędzia AI do kodowania — porównanie 2026

Według badań z 2026 r. doświadczeni programiści używają średnio **2,3 narzędzi AI** jednocześnie.

| Narzędzie | Mocna strona | Cena |
|-----------|-------------|------|
| **[GitHub Copilot](https://github.com/features/copilot)** | Integracja z GitHub, PR summaries, agent mode | Bezpłatny dla studentów |
| **[Cursor](https://www.cursor.com/)** | Szybkie inline suggestions, znajomy edytor | Freemium |
| **[Claude Code](https://claude.ai/code)** | Długie sesje agentowe, rozumienie całej bazy kodu | Pay-per-use |
| **[Windsurf](https://codeium.com/windsurf)** | IDE z wbudowanym agentem AI | Freemium |
| **[Replit AI](https://replit.com/ai)** | Kodowanie w przeglądarce, szybkie prototypy | Freemium |

> **Wskazówka:** GitHub Copilot i Cursor dobrze się uzupełniają — Copilot do codziennych sugestii, Claude Code do złożonych zadań architektonicznych.

### Lokalne modele (prywatność i offline)

- **[Ollama](https://ollama.com/)** — uruchamianie LLM lokalnie (Llama 3, Mistral, Gemma)
- **[LM Studio](https://lmstudio.ai/)** — GUI do lokalnych modeli
- **[llama.cpp](https://github.com/ggerganov/llama.cpp)** — wydajna inferencja na CPU/GPU

---

## CZĘŚĆ VI — Pogłębione źródła: newslettery, podcasty i blogi

### Newslettery (bezpłatne)

| Newsletter | Autor / Wydawca | Tematyka |
|------------|-----------------|----------|
| [The Batch](https://www.deeplearning.ai/the-batch/) | Andrew Ng / DeepLearning.AI | Przegląd tygodnia w AI |
| [Import AI](https://importai.substack.com/) | Jack Clark | Badania i polityka AI |
| [Ahead of AI](https://magazine.sebastianraschka.com/) | Sebastian Raschka | Badania LLM, co tydzień |
| [The Rundown AI](https://www.therundown.ai/) | — | Narzędzia i nowości, codziennie |
| [TLDL AI Digest](https://tldl.io/) | — | Skróty z podcastów i raportów AI |
| [Latent Space](https://www.latent.space/) | swyx & Alessio | Inżynieria AI, głębsze analizy |

### Podcasty

- **[Lex Fridman Podcast](https://lexfridman.com/podcast/)** — długie rozmowy z badaczami i twórcami AI
- **[Hard Fork](https://www.nytimes.com/column/hard-fork)** — NYT, technologia i AI w kulturze
- **[The TWIML AI Podcast](https://twimlai.com/)** — wywiady z naukowcami ML
- **[Latent Space Podcast](https://www.latent.space/podcast)** — dla programistów i inżynierów AI
- **[AI w Polsce](https://aipolska.pl/)** — polskojęzyczny podcast o AI

### Blogi i kanały YouTube

- **[Andrej Karpathy – YouTube](https://www.youtube.com/@AndrejKarpathy)** — głębokie wyjaśnienia LLM (seria „Neural Networks: Zero to Hero")
- **[3Blue1Brown – Neural Networks](https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi)** — wizualne wyjaśnienia sieci neuronowych
- **[Yannic Kilcher – YouTube](https://www.youtube.com/@YannicKilcher)** — omówienia artykułów naukowych
- **[Sebastian Raschka – Blog](https://sebastianraschka.com/blog/)** — praktyczne artykuły o LLM i ML
- **[Simon Willison's Weblog](https://simonwillison.net/)** — LLM, agenty, MCP — codzienne notatki praktyka

---

## CZĘŚĆ VII — Polskie zasoby i społeczności

### Portale i blogi

- **[AI w Polsce](https://aipolska.pl/)** — aktualności, wywiady, edukacja
- **[Sztuczna Inteligencja PL](https://www.facebook.com/groups/sztucznainteligencjapl)** — społeczność na Facebooku
- **[No Fluff Jobs – AI](https://nofluffjobs.com/pl/ai)** — oferty pracy i artykuły branżowe

### Kursy po polsku

| Zasób | Dostawca | Poziom |
|-------|----------|--------|
| [AI dla każdego](https://www.elementsofai.com/pl) | Elements of AI | 🟢 |
| [Kurs AI – Udemy PL](https://www.udemy.com/topic/artificial-intelligence/?lang=pl) | Udemy | 🟢–🟡 |
| [Podstawy uczenia maszynowego](https://www.coursera.org/learn/machine-learning?hl=pl) | Coursera (PL napisy) | 🟡 |

### Instytucje i inicjatywy

- **[NASK – Centrum AI](https://www.nask.pl/)** — badania i edukacja AI w Polsce
- **[IDEAS NCBR](https://ideas-ncbr.pl/)** — centrum badań AI przy NCBR
- **[Centrum Cyfrowe](https://centrumcyfrowe.pl/)** — polityka cyfrowa i AI w Polsce
- **[UW – AI w dydaktyce](https://www.uw.edu.pl/nowe-narzedzia-ai-na-uw/)** — wdrożenie NotebookLM i Gemini na Uniwersytecie Warszawskim (2026)

### Konferencje i wydarzenia 2026

- **DataWeek 2026** — 5–6 maja, Oslo — „Data Fjords: Unlocking AI for Industry and Society"
- **Digital Decade Strategic Workshop** — Komisja Europejska, online, marzec 2026
- **Forum Prawno-Ekonomiczne „AI – wyzwania i możliwości"** — Politechnika Częstochowska, 19 marca 2026

---

## Mapa drogowa: od czego zacząć?

Jeśli nie wiesz, od czego zacząć, skorzystaj z tej ścieżki:

**Tydzień 1–2 — Fundament**
1. Ukończ [Elements of AI](https://www.elementsofai.com/pl) (bezpłatny, po polsku, ~6 godzin)
2. Przejrzyj [Prompt Engineering Guide](https://www.promptingguide.ai/pl)
3. Zapisz się do newslettera [The Rundown AI](https://www.therundown.ai/) — codzienny przegląd w 5 minut

**Tydzień 3–4 — Praktyka**
4. Zrób kurs [ChatGPT Prompt Engineering for Developers](https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/) (~1,5 godziny)
5. Wypróbuj [NotebookLM](https://notebooklm.google.com/) — załaduj artykuł naukowy i wygeneruj podcast
6. Sprawdź, czy Twoja uczelnia ma dostęp do Google Workspace for Education (NotebookLM + Gemini)

**Miesiąc 2 — Pogłębienie**
7. Wybierz jeden kurs z sekcji odpowiadającej Twojej dziedzinie (nauka, programowanie, etyka)
8. Zacznij śledzić [Andrej Karpathy na YouTube](https://www.youtube.com/@AndrejKarpathy) — seria „Neural Networks: Zero to Hero"
9. Przeczytaj [State of AI Report 2025](https://www.stateof.ai/) — żeby rozumieć, gdzie jesteśmy

**Miesiąc 3+ — Specjalizacja**
10. Dla programistów: wypróbuj [Cursor](https://www.cursor.com/) lub [Claude Code](https://claude.ai/code)
11. Dla badaczy: zainstaluj [Elicit](https://elicit.com/) i [Consensus](https://consensus.app/)
12. Dla wszystkich: przeczytaj [OECD Digital Education Outlook 2026](https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_163b3b4e-en.html)

---

*Licencja: [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/deed.pl) — możesz swobodnie używać, adaptować i udostępniać z podaniem źródła.*

## FAQ (rozwiń)

<details>
<summary><strong>Jak najlepiej uczyć się z tego materiału?</strong></summary>

1. Przeczytaj całość raz bez notowania.
2. Wypisz 3 najważniejsze pojęcia i 3 pytania, które masz po lekturze.
3. Wykonaj mini-ćwiczenie: streść materiał własnymi słowami w 5-7 punktach.

</details>

<details>
<summary><strong>Czy mogę używać AI do wyjaśniania trudnych fragmentów?</strong></summary>

Tak. Najlepiej wklejać konkretny fragment i prosić model o:
- wyjaśnienie prostym językiem,
- przykład praktyczny,
- pytanie kontrolne sprawdzające zrozumienie.

</details>

<details>
<summary><strong>Jak zweryfikować poprawność odpowiedzi modelu?</strong></summary>

- porównuj odpowiedź z treścią tego pliku,
- sprawdzaj pojęcia w wiarygodnych źródłach,
- nie kopiuj bezrefleksyjnie wygenerowanych wniosków.

</details>

<details>
<summary><strong>Co zrobić, jeśli materiał jest za długi?</strong></summary>

Podziel go na sekcje i pracuj etapami: sekcja -> streszczenie -> pytania -> test wiedzy.

</details>

## Ucz się z tym plikiem MDX w narzędziach AI

<AiToolLauncher />