diff --git a/cw/03_Entropia.ipynb b/cw/03_Entropia.ipynb
new file mode 100644
index 0000000..5edb1a1
--- /dev/null
+++ b/cw/03_Entropia.ipynb
@@ -0,0 +1,528 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "![Logo 1](https://git.wmi.amu.edu.pl/AITech/Szablon/raw/branch/master/Logotyp_AITech1.jpg)\n",
+    "<div class=\"alert alert-block alert-info\">\n",
+    "<h1> Ekstrakcja informacji </h1>\n",
+    "<h2> 3. <i>Entropia</i>  [ćwiczenia]</h2> \n",
+    "<h3> Jakub Pokrywka (2022)</h3>\n",
+    "</div>\n",
+    "\n",
+    "![Logo 2](https://git.wmi.amu.edu.pl/AITech/Szablon/raw/branch/master/Logotyp_AITech2.jpg)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "metadata": {
+    "scrolled": true
+   },
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Requirement already satisfied: dahuffman in /home/kuba/anaconda3/lib/python3.8/site-packages (0.4.1)\r\n"
+     ]
+    }
+   ],
+   "source": [
+    "!pip install dahuffman"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import random\n",
+    "from collections import Counter\n",
+    "from dahuffman import HuffmanCodec"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 3,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "NR_INDEKSU = 375985"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## Wprowadzenie"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 4,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "tekst = 'Ala ma kota. Jarek ma psa'"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 5,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "codec = HuffmanCodec.from_data(tekst)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 6,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "Counter({'A': 1,\n",
+       "         'l': 1,\n",
+       "         'a': 6,\n",
+       "         ' ': 5,\n",
+       "         'm': 2,\n",
+       "         'k': 2,\n",
+       "         'o': 1,\n",
+       "         't': 1,\n",
+       "         '.': 1,\n",
+       "         'J': 1,\n",
+       "         'r': 1,\n",
+       "         'e': 1,\n",
+       "         'p': 1,\n",
+       "         's': 1})"
+      ]
+     },
+     "execution_count": 6,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "Counter(tekst)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 7,
+   "metadata": {
+    "scrolled": true
+   },
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Bits Code  Value Symbol\n",
+      "   2 00        0 ' '\n",
+      "   2 01        1 'a'\n",
+      "   4 1000      8 't'\n",
+      "   5 10010    18 _EOF\n",
+      "   5 10011    19 '.'\n",
+      "   5 10100    20 'A'\n",
+      "   5 10101    21 'J'\n",
+      "   5 10110    22 'e'\n",
+      "   5 10111    23 'l'\n",
+      "   4 1100     12 'k'\n",
+      "   4 1101     13 'm'\n",
+      "   5 11100    28 'o'\n",
+      "   5 11101    29 'p'\n",
+      "   5 11110    30 'r'\n",
+      "   5 11111    31 's'\n"
+     ]
+    }
+   ],
+   "source": [
+    "codec.print_code_table()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 8,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "{' ': (2, 0),\n",
+       " 'a': (2, 1),\n",
+       " 't': (4, 8),\n",
+       " _EOF: (5, 18),\n",
+       " '.': (5, 19),\n",
+       " 'A': (5, 20),\n",
+       " 'J': (5, 21),\n",
+       " 'e': (5, 22),\n",
+       " 'l': (5, 23),\n",
+       " 'k': (4, 12),\n",
+       " 'm': (4, 13),\n",
+       " 'o': (5, 28),\n",
+       " 'p': (5, 29),\n",
+       " 'r': (5, 30),\n",
+       " 's': (5, 31)}"
+      ]
+     },
+     "execution_count": 8,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "codec.get_code_table()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 9,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "encoded = codec.encode(tekst)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 10,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "'1010010111010011010100110011100100001100110010101011111010110110000110101001110111111011'"
+      ]
+     },
+     "execution_count": 10,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "\"{:08b}\".format(int(encoded.hex(),16))"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "A l a"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "101001 10111 01"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 11,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "'Ala ma kota. Jarek ma psa'"
+      ]
+     },
+     "execution_count": 11,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "codec.decode(encoded)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 12,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "25"
+      ]
+     },
+     "execution_count": 12,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "len(tekst)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 13,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "11"
+      ]
+     },
+     "execution_count": 13,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "len(encoded)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## Zadanie 1 ( 15 punktów)\n",
+    "\n",
+    "Weź teksty:\n",
+    "- z poprzednich zajęć (lub dowolny inny) w języku naturalnym i obetnij do długości 100_000 znaków\n",
+    "- wygenerowany losowo zgodnie z rozkładem jednostajnym dyskretnym z klasy [a-zA-Z0-9 ] o długości 100_000 znaków\n",
+    "- wygenerowany losowo zgodnie z rozkładem  geometrycznym (wybierz p między 0.2 a 0.8) z klasy [a-zA-Z0-9 ] o długości 100_000 znaków\n",
+    "- wygenerowany losowo zgodnie z rozkładem jednostajnym dwupunktowym p=0.5 z klasy [01] o długości 100_000 znaków\n",
+    "- wygenerowany losowo zgodnie z rozkładem jednostajnym dwupunktowym p=0.9 z klasy [01] o długości 100_000 znaków\n",
+    "\n",
+    "Następnie dla każdego z tekstów trakując je po znakach:\n",
+    "- skompresuj plik za pomocą dowolnego progrmu (zip, tar lub inny)\n",
+    "- policz entropię\n",
+    "- wytrenuj kodek huffmana i zakoduj cały tekst\n",
+    "- zdekoduj pierwsze 3 znaki (jako zera i jedynki) wypisz je (z oddzieleniem na znaki)\n",
+    "- zakodowany tekst zapisz do pliku binarnego, zapisz również tablicę kodową\n",
+    "- porównaj wielkość pliku tekstowego, skompresowanego pliku tekstowego (zip, ...) oraz pliku skompresowanego hofmmanem (wraz z kodekiem)\n",
+    "\n",
+    "Uzupełnij poniższe tabelki oraz wnioski (conajmniej 5 zdań).\n",
+    "\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### START ZADANIA"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Entropia\n",
+    "    \n",
+    "|                            | Entropia  |\n",
+    "| -----------                | ----------- |\n",
+    "| tekst  w jęz. naturalnym   |             |\n",
+    "| losowy tekst (jednostajny)   |             |\n",
+    "| losowy tekst (geometryczny)|             |\n",
+    "| losowy tekst (dwupunktowy 0.5) |             |\n",
+    "| losowy tekst (dwupunktowy 0.9) |             |\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Wielkości w bitach:\n",
+    "    \n",
+    "|                        | Plik nieskompresowany  | Plik skompresowany (zip, tar,.. ) |  Plik skompresowany + tablica kodowa) |\n",
+    "| -----------                | ----------- |-----------|----------- |\n",
+    "| tekst  w jęz. naturalnym   |             |           |            |\n",
+    "| losowy tekst (jednostajny)   |             |           |            |\n",
+    "| losowy tekst (geometryczny)|             |           |            |\n",
+    "| losowy tekst (dwupunktowy 0.5)|             |           |            |\n",
+    "| losowy tekst (dwupunktowy 0.9)|             |           |            |"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Wnioski:"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### KONIEC ZADANIA"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## Zadanie 2 (10 punktów)\n",
+    "\n",
+    "Powtórz kroki z zadania 1, tylko potraktuje wiadomości jako słowa (oddzielone spacją). Jeżeli występują więcej niż jedna spacja równocześnie- usuń je.\n",
+    " \n",
+    "Do wniosków dopisz koniecznie porównanie między kodowaniem hoffmana znaków i słów.\n",
+    "\n",
+    "\n",
+    "\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### START ZADANIA"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Entropia\n",
+    "    \n",
+    "|                            | Entropia    |\n",
+    "| -----------                | ----------- |\n",
+    "| tekst  w jęz. naturalnym   |             |\n",
+    "| losowy tekst (dyskretny)   |             |\n",
+    "| losowy tekst (geometryczny)|             |\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Wielkości w bitach:\n",
+    "    \n",
+    "|                        | Plik nieskompresowany  | Plik skompresowany (zip, tar,.. ) |  Plik skompresowany + tablica kodowa) |\n",
+    "| -----------                | ----------- |-----------|----------- |\n",
+    "| tekst  w jęz. naturalnym   |             |           |            |\n",
+    "| losowy tekst (jednostajny)   |             |           |            |\n",
+    "| losowy tekst (geometryczny)|             |           |            |\n",
+    "| losowy tekst (dwupunktowy 0.5)|             |           |            |\n",
+    "| losowy tekst (dwupunktowy 0.9)|             |           |            |"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Wnioski:"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### KONIEC ZADANIA"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## Zadanie 3 (20 punktów)\n",
+    "\n",
+    "stwórz ręcznie drzewo Huffmana (zrób rysunki na kartce i załącz je jako obrazek) oraz zakoduj poniższy tekst "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 14,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "random.seed(123)\n",
+    "\n",
+    "tekst = list('abcdefghijklmnoprst')\n",
+    "\n",
+    "random.shuffle(tekst)\n",
+    "\n",
+    "tekst = tekst[: 5 + random.randint(1,5)]\n",
+    "\n",
+    "tekst = [a*random.randint(1,4) for a in tekst]\n",
+    "\n",
+    "tekst = [item for sublist in tekst for item in sublist]\n",
+    "\n",
+    "''.join(tekst)\n",
+    "\n",
+    "random.shuffle(tekst)\n",
+    "\n",
+    "tekst = ''.join(tekst)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 15,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "'ldddmpprphhopd'"
+      ]
+     },
+     "execution_count": 15,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "tekst"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### Start zadania"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### Koniec zadania"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## WYKONANIE ZADAŃ\n",
+    "Zgodnie z instrukcją 01_Kodowanie_tekstu.ipynb"
+   ]
+  }
+ ],
+ "metadata": {
+  "author": "Jakub Pokrywka",
+  "email": "kubapok@wmi.amu.edu.pl",
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "lang": "pl",
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.8.3"
+  },
+  "subtitle": "0.Informacje na temat przedmiotu[ćwiczenia]",
+  "title": "Ekstrakcja informacji",
+  "year": "2021"
+ },
+ "nbformat": 4,
+ "nbformat_minor": 4
+}
diff --git a/cw/04_statystyczny_model_językowy.ipynb b/cw/04_statystyczny_model_językowy.ipynb
new file mode 100644
index 0000000..ac776b8
--- /dev/null
+++ b/cw/04_statystyczny_model_językowy.ipynb
@@ -0,0 +1,270 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "![Logo 1](https://git.wmi.amu.edu.pl/AITech/Szablon/raw/branch/master/Logotyp_AITech1.jpg)\n",
+    "<div class=\"alert alert-block alert-info\">\n",
+    "<h1> Ekstrakcja informacji </h1>\n",
+    "<h2> 4. <i>Statystyczny model językowy</i>  [ćwiczenia]</h2> \n",
+    "<h3> Jakub Pokrywka (2022)</h3>\n",
+    "</div>\n",
+    "\n",
+    "![Logo 2](https://git.wmi.amu.edu.pl/AITech/Szablon/raw/branch/master/Logotyp_AITech2.jpg)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 71,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "NR_INDEKSU = 375985"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "https://web.stanford.edu/~jurafsky/slp3/3.pdf"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 72,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "class Model():\n",
+    "    \n",
+    "    def __init__(self, vocab_size, UNK_token= '<UNK>'):\n",
+    "        pass\n",
+    "    \n",
+    "    def train(corpus:list) -> None:\n",
+    "        pass\n",
+    "    \n",
+    "    def predict(text: list, probs: str) -> float:\n",
+    "        pass"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 73,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def get_ppl(text: list) -> float:\n",
+    "    pass"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 74,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "text = 'Pani Ala ma kota oraz ładnego pieska i 3 chomiki'"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 75,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "text_splitted = text.split(' ')"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 76,
+   "metadata": {
+    "scrolled": true
+   },
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "['Pani', 'Ala', 'ma', 'kota', 'oraz', 'ładnego', 'pieska', 'i', '3', 'chomiki']"
+      ]
+     },
+     "execution_count": 76,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "text_splitted"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 77,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "text_masked = text_splitted[:4] + ['<MASK>'] + text_splitted[5:]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 78,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "['Pani',\n",
+       " 'Ala',\n",
+       " 'ma',\n",
+       " 'kota',\n",
+       " '<MASK>',\n",
+       " 'ładnego',\n",
+       " 'pieska',\n",
+       " 'i',\n",
+       " '3',\n",
+       " 'chomiki']"
+      ]
+     },
+     "execution_count": 78,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "text_masked"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "trigram_model działa na ['ma', 'kota', <'MASK>']"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "trigram_model.predict(['ma', 'kota']) → 'i:0.55 oraz:0.25 czarnego:0.1 :0.1'"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## ZADANIE:"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 79,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "g1 = [470618, 415366, 434695, 470611, 470607]\n",
+    "g2 = [440054, 434742, 434760, 434784, 434788]\n",
+    "g3 = [434804, 430705, 470609, 470619, 434704]\n",
+    "g4 = [434708, 470629, 434732, 434749, 426206]\n",
+    "g5 = [434766, 470628, 437622, 434780, 470627, 440058]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 80,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "proszę zgłosić się do prowadzącego\n"
+     ]
+    }
+   ],
+   "source": [
+    "if NR_INDEKSU in g1:\n",
+    "    print('model bigramowy standardowy')\n",
+    "elif NR_INDEKSU  in g2:\n",
+    "    print('model bigramowy odwrotny')\n",
+    "elif NR_INDEKSU  in g3:\n",
+    "    print('model trigramowy')\n",
+    "elif NR_INDEKSU  in g4:\n",
+    "    print('model trigramowy odwrotny')\n",
+    "elif NR_INDEKSU  in g5:\n",
+    "    print('model trigramowy ze zgadywaniem środka')\n",
+    "else:\n",
+    "    print('proszę zgłosić się do prowadzącego')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### gonito:\n",
+    "- zapisanie do achievmentu przez start working\n",
+    "- send to review"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### ZADANIE\n",
+    "\n",
+    "Proszę stworzyć rozwiązanie modelu (komórka wyżej) dla https://gonito.net/challenge/challenging-america-word-gap-prediction i umieścić je na platformie gonito\n",
+    "    \n",
+    "Warunki zaliczenia:\n",
+    "- wynik widoczny na platformie zarówno dla dev i dla test\n",
+    "- wynik dla dev i test lepszy (niższy) od 1024.00\n",
+    "- deadline do końca dnia 27.04\n",
+    "- commitując rozwiązanie proszę również umieścić rozwiązanie w pliku /run.py  (czyli na szczycie katalogu). Można przekonwertować jupyter do pliku python przez File → Download as → Python. Rozwiązanie nie musi być w pythonie, może być w innym języku.\n",
+    "- zadania wykonujemy samodzielnie\n",
+    "- w nazwie commita podaj nr indeksu\n",
+    "- w tagach podaj \"n-grams\" (należy zatwierdzić przecinkiem po wybraniu tagu)!\n",
+    "\n",
+    "Uwagi:\n",
+    "\n",
+    "- nie trzeba korzystać z całego zbioru trenującego\n",
+    "- zadanie to 50 punktów, za najlepsze rozwiązanie w swojej grupie (g1,g2,g3,g4,g5), przyznaję dodatkowo 40 punktów\n",
+    "- punkty będą przyznane na gonito\n",
+    "- warto monitorować RAM, próbować z różnym vocab_size, można skorzystać z pythonowego Counter"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  }
+ ],
+ "metadata": {
+  "author": "Jakub Pokrywka",
+  "email": "kubapok@wmi.amu.edu.pl",
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "lang": "pl",
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.8.3"
+  },
+  "subtitle": "0.Informacje na temat przedmiotu[ćwiczenia]",
+  "title": "Ekstrakcja informacji",
+  "year": "2021"
+ },
+ "nbformat": 4,
+ "nbformat_minor": 4
+}