drukuj
icon icon

Kurs Sztuczna Inteligencja (AI) z Large Language Models

icon

Proces szkoleniowy

Analiza potrzeb szkoleniowych

Jeśli masz życzenie dotyczące programu szkolenia, przeprowadzimy dla Ciebie analizę potrzeb szkoleniowych, która będzie wskazówką dla nas, na jakie aspekty programu położyć większy nacisk – tak, by program szkolenia spełniał konkretne potrzeby.

Program szkolenia

1. Wprowadzenie do Sztucznej inteligencji

  • definicje i historia AI,
  • przegląd głównych obszarów i zastosowań AI,
  • aktualne trendy i przyszłość AI.

2. Podstawy Large Language Models

  • wprowadzenie do Large Language Models (LLM),
  • przegląd głównych modeli LLM, zastosowania,
  • LLM w przetwarzaniu języka naturalnego,
  • multimodalność w systemach sztucznej inteligencji,
  • modele SLM, bezpieczeństwo dzięki modelom lokalnym,
  • wyjaśnialność modeli.

3. Chatboty GPT i ich zastosowania

  • budowa i działanie modeli, tworzenie chatbotów,
  • systemy RAG – źródło wiedzy dla modeli,
  • bazy wektorowe – odnajdywanie znaczeń,
  • opracowywanie danych źródłowych dla systemów AI,
  • praktyczne zastosowania chatbotów GPT w biznesie i edukacji.

4. Projektowanie agentów i orkiestracja procesów w n8n

  • n8n jako platforma operacyjna AI – wykorzystanie wizualnych komponentów do budowy „mózgu” agenta.
  • Systemy multi-agent – łączenie wielu przepływów pracy w jeden autonomiczny ekosystem rozwiązujący złożone zadania.
  • od promptu do automatyzacji – budowa kompletnych procesówz wykorzystaniem n8n i MCP.
  • Vibe-coding – szybkie prototypowanie i wdrażanie agentów.

5. Etyczne i społeczne aspekty LLM

  • AI Act i compliance – europejskie rozporządzenie o sztucznej inteligencji
  • wpływ LLM na prawa autorskie, prywatność i bezpieczeństwo danych,
  • Human-in-the-Loop – implementacja punktów kontrolnych w systemach wspomaganych AI,
  • przyszłość LLM i ich rola w społeczeństwie.

6. Zaawansowane zastosowania AI i LLM

  • innowacyjne zastosowania AI i LLM w różnych branżach,
  • przegląd najnowszych badań i przyszłych kierunków rozwoju w dziedzinie AI i LLM.

7. Techniczne aspekty pracy z LLM

  • skalowanie LLM,
  • zarządzanie i monitorowanie modeli w produkcji
  • self-hosting systemów AI.

8. Budowanie zespołów i projektów AI

  • zarządzanie i monitorowanie modeli w produkcji,
  • nowe role osób w IT,
  • miary sukcesu.

9. Budowanie zespołów i projektów AI

  • zarządzanie i monitorowanie modeli w produkcji,
  • nowe role osób w IT,
  • miary sukcesu.

10. Podsumowanie szkolenia