1. alkalom
Mély tanulás alapjai
Neurális hálózatok, súlyok, bias, aktivációs függvények, loss, gradient descent és backpropagation. Gyakorlatként egyszerű hálózat építése kézírásfelismerésre.
Átfogó, gyakorlatorientált képzés azoknak, akik mélyen meg akarják érteni, hogyan épülnek fel a modern AI rendszerek - a neurális hálózatoktól és a Transformer-architektúrától egészen az LLM-alapú alkalmazásokig, RAG-ig és a mai agent rendszerekig.
Kinek szól
Fejlesztőknek, DevOps / MLOps szakembereknek, AI iránt érdeklődő mérnököknek, PM-eknek.
Fő eszközök
Python, LLM API-k, Pydantic AI, RAG minták, agent workflow-k.
Formátum
8 x 3 órás online képzés, 17:00-20:00, minden alkalom visszanézhető.
A kurzus célja
A képzés végére a résztvevők átlátják, hogyan működnek a modern AI rendszerek, hogyan lehet LLM-eket integrálni saját alkalmazásokba, hogyan épül fel egy RAG pipeline vagy egy egyszerű ügynökrendszer, és milyen értékelési, biztonsági szempontokra kell figyelni éles rendszereknél.
Neurális hálózatok, loss, backpropagation, Transformer és LLM alapfogalmak közérthetően, mérnöki pontossággal.
Reasoning modellek, frontier rendszerek, multimodalitás, open-weight modellek és lokális futtatási lehetőségek.
API-használat, strukturált kimenetek, RAG, agentek és AI-alapú kódolási workflow-k konkrét példákkal.
LLM-as-a-judge, prompt injection, guardrailok és felelős AI alapok, hogy a megoldások valós környezetben is működjenek.
Tematika
Az elméleti alapoktól indulunk, majd fokozatosan jutunk el a mai AI alkalmazásokhoz, az agent rendszerekhez és az AI-alapú fejlesztési workflow-khoz.
1. alkalom
Neurális hálózatok, súlyok, bias, aktivációs függvények, loss, gradient descent és backpropagation. Gyakorlatként egyszerű hálózat építése kézírásfelismerésre.
2. alkalom
Tokenek, embeddingek, self-attention, Transformer-architektúra, tréning életciklus és az LLM-ek valószínűségi működésének megértése.
3. alkalom
Reasoning modellek, chain-of-thought, frontier és open-weight modellek, multimodalitás, MoE architektúrák és lokális futtatási opciók.
4. alkalom
OpenAI, Gemini, Claude API-k, alap paraméterek, reasoning effort és strukturált kimenetek Pydantic AI segítségével.
5. alkalom
ReAct, reflection, planning minták, tool use, API integrációk, MCP és egyedi agent fejlesztés multi-step workflow-val.
6. alkalom
Finomhangolás vs. RAG, embeddingek, vektoradatbázisok, agentic RAG és saját dokumentumokra épülő kérdés-válasz rendszer fejlesztése.
7. alkalom
Benchmarkok, LLM-as-a-judge, prompt injection, guardrailok, input/output szűrés és felelős AI alapok.
8. alkalom
IDE és CLI eszközök, vibe coding vs. agentic engineering, multi-agent coding workflow-k és élő fejlesztési demó.
Mit visz magával a résztvevő?
Szervezési információk
Mire épül a képzés?
Szakmai háttér
A Modern AI képzés szakmai hátterét több éves ipari és oktatási tapasztalat adja: egyetemi oktatás, szakmai képzések és valós mérnöki projektek, valamint 2020 óta több mint 500 oktatott szakember HWSW és más szakmai programok keretében.
A fókusz a felhőalapú rendszerek, a valós idejű kommunikációs megoldások, a voice AI és a modern LLM-technológiák integrációja, ezért a tematika nem elszigetelt hírekre, hanem rendszerszintű mérnöki szemléletre épül.
Ez a háttér biztosítja, hogy a képzés egyszerre maradjon naprakész, technikailag pontos és közvetlenül alkalmazható vállalati vagy termékfejlesztési környezetben.
Kapcsolat
Írjon, ha egyéni részvétel, céges csoport vagy belső workshop érdekli. A képzés mellé AI stratégiai és fejlesztési támogatás is kérhető.