Data Community Bydgoszcz i Toruń

Zapraszamy na kolejne spotkanie Data Community Poland w Bydgoszczy. Kontynuujemy naszą serię meetupów w Młynach Rothera, gdzie rozmawiamy o rozwiązaniach danych – zarówno technicznych, jak i biznesowych – w oparciu o realne doświadczenia i najnowsze technologie.
Tym razem skupimy się na dwóch praktycznych aspektach pracy z platformami danych:
👉 jak zaprojektować modele semantyczne Power BI, które będą zrozumiałe i efektywne również dla modeli językowych AI,
👉 oraz jak wykorzystać wbudowane funkcjonalności Databricks, aby zbudować skalowalne i nowoczesne procesy ładowania danych.

Czas i miejsce
📅 18.12.2025, godz. 18:15
📍 Młyny Rothera
Mennica 10 (2 piętro)
Bydgoszcz

Agenda
18:00–18:15 Wprowadzenie
18:20–19:10 Mariusz Kujawski – Niedoceniane supermoce Databricks
19:10–19:35 przerwa + networking
19:35–20:25 Hubert Kobierzewski – Przygotowanie modeli semantycznych Power BI na konsumpcję przez LLMy
20:25–20:35 Zakończenie

🗣️ O wystąpieniach

🚀 Niedoceniane supermoce Databricks
Podczas tej sesji pokażę, jak wykorzystać wbudowane funkcjonalnosci takie jak Aouto Loader, Spark Declarative Pipelines (SDP), Structured streaming oraz Lakeflow do budowny nowoczesnego processu data ingestion. Omówię różne scenariusze wykorzystania Auto Loadera, od klasycznego batcha po micro-batch i strumieniowe ładowanie danych z użyciem Structured Streaming – również w kontekście przetwarzania zmian (CDC). Pokażę, że streaming nie musi oznaczać tylko real-time, ale może służyć do optymalizacji batchowych procesów ładowania danych. W drugiej części sesji przejdziemy przez możliwości orkiestracji pipeline'ów danych z użyciem Databricks Workflows i Pipelines. Na koniec pokażę, jak połączyć wszystkie te elementy w spójny, skalowalny i łatwy do utrzymania framework data ingestion — gotowy do działania w środowisku enterprise.

🧠 Przygotowanie modeli semantycznych Power BI na konsumpcję przez LLMy
W miarę jak duże modele językowe (LLM) zaczynają bezpośrednio oddziaływać na dane przedsiębiorstwa, modele semantyczne Power BI i Fabric stają się czymś więcej niż tylko bazą do wizualizacji – to kontrakt określający sposób, w jaki sztuczna inteligencja interpretuje logikę biznesową. Podczas tej sesji skoncentrowanej na kwestiach technicznych omówimy projektowanie, optymalizację oraz dokumentowanie modeli semantycznych, a przy okazji odpowiemy sobie na pytanie czy mogą być solidne, łatwe do wyjaśnienia i gotowe do integracji z konwersacyjnymi rozwiązaniami AI. Sesja obejmuje demonstrację na żywo obejmującą cały proces przetwarzania – transformację istniejącego zbioru danych usługi Power BI w zbiór zoptymalizowany pod kątem zapytań opartych na LLM. Na koniec będziesz dysponować narzędziami i wzorcami, które pozwolą Ci zaprojektować modele semantyczne na przyszłość, w której ludzkie pytania spotykają się z inteligencją maszynową.

👨‍🏫 Prelegenci

Mariusz Kujawski
Cloud Data Architekt w Devapo.
Mariusz to doświadczony architekt i inżynier danych, specjalizujący się w tworzeniu platform danych dla projektów związanych z hurtowniami danych, „data lake” oraz uczeniem maszynowym. Miał okazję pracować z platformami chmurowymi, takimi jak Azure, GCP i AWS. Jego ponad 14-letnie doświadczenie obejmuje branżę finansową, ubezpieczeniową, FMCG, farmaceutyczną i telekomunikacyjną. Mariusz pracuje nad innowacyjnymi projektami dla klientów zarówno w Polsce, jak i poza jej granicami. Posiada certyfikacje z zakresu inżynierii danych zarówno od Azure, jak i GCP. Poza swoją wiedzą techniczną, Mariusz jest pasjonatem historii, książek, rysunku, inżynierii danych oraz języka Python. Chętnie dzieli się swoją wiedzą, a jego artykuły można znaleźć na platformie Medium.

Hubert Kobierzewski
Hubert pracuje w Cogit jako BI Practice Lead (od 2007). Pomaga klientom w gromadzeniu danych i przekształcaniu ich w cenne informacje za pomocą technologii Microsoft Data Platform. Hubert zarządza dwoma UG: Data Community Poland (Oddział Warszawski) i Warsaw Power BI User Group. W wolnym czasie uczy DataViz na dwóch uniwersytetach.

📌 Spotkanie jest darmowe. Zapraszamy!