Kategorie: Szkolenia AI, GPT i Machine Learning , Analiza danych, statystyka, data science, AI , Python
O szkoleniu
Coraz więcej firm chce mieć model językowy we własnym systemie, a nie tylko w oknie czatu: asystenta, który odpowiada na podstawie firmowych dokumentów, usługę, która wyciąga dane z umów, albo agenta, który sam sięga do bazy i wykonuje zadania. Na tym szkoleniu budujemy takie rozwiązania w Pythonie, krok po kroku – od pierwszego wywołania API, przez RAG, po agenta z narzędziami.
Pracujemy na API OpenAI i kilku sprawdzonych bibliotekach Pythona, m.in. LangChain. Zaczynamy od tego, na czym stoi każda aplikacja LLM: promptów utrzymywanych w kodzie, odpowiedzi w ustalonej strukturze i wywoływania narzędzi. Drugi dzień poświęcamy RAG, czyli odpowiadaniu na podstawie własnych dokumentów: przygotowaniu danych, bazie wektorowej, poprawianiu trafności i mierzeniu jakości. Trzeciego dnia dochodzą agenci AI, protokół MCP, bezpieczeństwo oraz to, co trzeba wiedzieć przed wdrożeniem: koszty, logowanie, testy. Kod piszemy tak, jak pisze się go dziś, czyli z pomocą asystenta AI.
Po szkoleniu:
- napiszesz usługę w Pythonie, która korzysta z modelu przez API i zwraca dane w ustalonej strukturze,
- podłączysz do modelu własne funkcje, bazę danych i zewnętrzne API jako narzędzia,
- zbudujesz asystenta, który odpowiada na podstawie dokumentów firmy i wskazuje źródła,
- sprawdzisz na liczbach, czy po zmianie promptu albo modelu odpowiedzi są lepsze, czy gorsze,
- zbudujesz agenta, który sam dobiera narzędzia, i podłączysz go do danych przez MCP,
- będziesz wiedzieć, jak ograniczyć koszty, halucynacje i ryzyko prompt injection, zanim aplikacja trafi do użytkowników.
Szkolenie kierujemy do wszystkich, którzy mają wprowadzić modele językowe do firmowego oprogramowania: programistów Pythona i backendu, inżynierów danych i analityków piszących w Pythonie, DevOpsów, architektów i liderów technicznych, a także osób, które takie rozwiązania zamawiają i odbierają od wykonawców.
Koncentrujemy się na modelach językowych i pracy z tekstem oraz dokumentami. Jeśli chcesz przede wszystkim sprawniej pisać kod z pomocą AI, zobacz szkolenie AI Assisted Development. Agentów i automatyzacje bez programowania obejmuje szkolenie Agenci AI (low-code/no-code). Klasyczne uczenie maszynowe i sieci neuronowe od podstaw to zakres kursu Programowanie AI i ML w Pythonie.
Czas trwania
3 dni
Program
- Model językowy przez API
- API OpenAI w Pythonie: zapytanie, instrukcje, historia rozmowy, odpowiedź strumieniowa
- Tokeny, okno kontekstu, limity i koszty
- Dobór modelu do zadania: jakość, szybkość, cena
- Rzut okiem na API innych dostawców i modele uruchamiane lokalnie
- Prompty i odpowiedzi strukturalne
- Prompty w kodzie: instrukcje, przykłady, szablony, wersjonowanie
- Odpowiedź w formacie JSON zgodnym ze schematem, walidacja danych
- Wyciąganie danych z tekstu i dokumentów, klasyfikacja, streszczenia
- Obsługa błędów, ponowienia, zachowanie przy odpowiedzi niezgodnej z oczekiwaniem
- Wywoływanie narzędzi (function calling)
- Własne funkcje jako narzędzia modelu: opis, parametry, wynik
- Pętla model – narzędzie – model
- Baza danych i zewnętrzne API jako narzędzia
- Narzędzia wbudowane: wyszukiwanie w sieci, wykonywanie kodu
- Pierwsza aplikacja
- Prosty interfejs czatu w Streamlit
- Usługa REST w FastAPI
- Przechowywanie historii rozmów
- Klucze API i dane poufne w konfiguracji
- RAG: odpowiedzi na podstawie własnych dokumentów
- Embeddingi i wyszukiwanie semantyczne
- Baza wektorowa (Chroma lub analogiczna)
- Wczytywanie dokumentów (PDF, DOCX), podział na fragmenty, metadane
- Odpowiedź ze wskazaniem źródeł; kiedy model ma odpowiedzieć „nie wiem”
- Poprawa trafności: wyszukiwanie hybrydowe, filtrowanie po metadanych, reranking
- RAG w bibliotece LangChain: ten sam potok krócej; kiedy biblioteka pomaga, a kiedy lepiej bez niej
- Ewaluacja, czyli jak sprawdzić, że działa
- Zestaw pytań testowych i oczekiwanych odpowiedzi
- Miary jakości wyszukiwania i wierności odpowiedzi względem źródeł
- Ocena odpowiedzi przez drugi model
- Testy regresji po zmianie promptu, modelu lub danych
- Agenci AI w kodzie
- Agent a zwykły przepływ: kiedy które rozwiązanie
- Agent z narzędziami w OpenAI Agents SDK
- RAG jako narzędzie agenta, pamięć i stan
- Rzut okiem na układy wieloagentowe
- Model Context Protocol (MCP)
- Podłączanie gotowych serwerów MCP do aplikacji i agenta
- Własny prosty serwer MCP udostępniający dane firmowe
- Uprawnienia: co agent może czytać, a co zmieniać
- Bezpieczeństwo i utrzymanie
- Prompt injection, także z dokumentów i wyników narzędzi
- Zatwierdzanie działań przez człowieka, ograniczanie narzędzi
- Dane osobowe i poufne w zapytaniach do modelu
- Logowanie i śledzenie wywołań, koszty, czas odpowiedzi, pamięć podręczna
- Warsztat końcowy
- Asystent do dokumentów z narzędziami lub własny scenariusz uczestnika
- Omówienie rozwiązań i typowych błędów
Dla grup na zamówienie możemy oprzeć warsztaty o API innego dostawcy (np. Gemini lub Claude) albo o modele uruchamiane lokalnie, na własnej infrastrukturze. Szkolenie można też zrealizować w wersji 2-dniowej, bez części o agentach i MCP, lub rozszerzyć o tematy takie jak LangGraph, układy wieloagentowe, wdrożenie w chmurze czy dostrajanie modeli.
Training also available in English .
Przeznaczenie i wymagania
Szkolenie jest przeznaczone przede wszystkim dla:
- programistów Pythona i backendu, którzy mają dodać model językowy do aplikacji lub usługi,
- inżynierów danych i analityków piszących w Pythonie, którzy budują asystenta do firmowych dokumentów,
- DevOpsów i administratorów, którzy będą takie rozwiązania uruchamiać i utrzymywać,
- architektów i liderów technicznych, którzy decydują, co budować samodzielnie, i odbierają pracę od wykonawców.
Szkolenie będzie za proste dla osób, które mają już na produkcji własny system RAG albo agentów.
Świadomie nie uczymy:
- Pythona od podstaw,
- trenowania ani dostrajania modeli (fine-tuning) i klasycznego uczenia maszynowego,
- budowy agentów w narzędziach no-code,
- tworzenia rozbudowanego interfejsu użytkownika.
Od uczestników oczekujemy:
- podstawowej znajomości Pythona: funkcje, moduły, instalowanie i używanie bibliotek,
- ogólnej orientacji w tym, czym są REST API i JSON,
- choćby okazjonalnego korzystania z czatu AI.
Nie jest wymagane doświadczenie z API modeli językowych ani z uczeniem maszynowym. Osobom, które nie programowały w Pythonie, polecamy wcześniej szkolenie Skrypty w Pythonie.
Do ćwiczeń potrzebne jest aktywne konto na platformie OpenAI z dostępem do API i niewielkim doładowaniem środków (to osobne konto niż abonament ChatGPT). Więcej informacji podamy przed zajęciami. Dla grup na zamówienie możemy zapewnić konta i dostępy uczestnikom.
Certyfikaty
Uczestnicy szkolenia otrzymują imienne certyfikaty sygnowane przez ALX.
Aplikacje LLM w Pythonie, czyli praktyczne szkolenie AI dla firm
W wielu firmach modele językowe utknęły na etapie prób: ktoś zbudował prototyp, który dobrze wygląda na pokazie, ale nikt nie wie, jak go bezpiecznie podłączyć do danych, ile będzie kosztował i czy odpowiada poprawnie. To trzydniowe, warsztatowe szkolenie AI dla firm i zespołów IT pokazuje, jak przejść tę drogę w Pythonie: od pierwszego wywołania API OpenAI, przez asystenta odpowiadającego na podstawie firmowych dokumentów, po agenta, który sam korzysta z narzędzi. To szkolenie LLM dla osób, które piszą kod, a nie przegląd narzędzi z prezentacji.
Czego uczymy na naszym szkoleniu AI dla firm?
Program tego szkolenia AI dla firm jest ułożony tak, żeby każdy dzień kończył się czymś działającym. Uczymy:
- pracy z API modeli językowych w Pythonie: prompty utrzymywane w kodzie, odpowiedzi w formacie JSON zgodnym ze schematem, koszty i dobór modelu do zadania;
- wywoływania narzędzi (function calling): podłączania własnych funkcji, bazy danych i zewnętrznych API;
- budowy prostych aplikacji: interfejsu czatu w Streamlit i usługi REST w FastAPI;
- RAG: embeddingów, bazy wektorowej, przygotowania dokumentów i poprawiania trafności odpowiedzi;
- ewaluacji, czyli sprawdzania na zestawie testowym, czy zmiana promptu albo modelu poprawiła wyniki;
- budowy agentów AI i podłączania ich do danych przez protokół MCP;
- bezpieczeństwa i utrzymania: ochrony przed prompt injection, pracy z danymi poufnymi, logowania i kontroli kosztów.
Szkolenie RAG i LangChain: asystent odpowiadający z dokumentów firmy
Najczęstsza potrzeba, z jaką przychodzą do nas zespoły, to asystent, który odpowiada na pytania na podstawie regulaminów, procedur, ofert czy dokumentacji technicznej. Dlatego cały drugi dzień to w praktyce szkolenie RAG (Retrieval-Augmented Generation): wczytywanie plików PDF i DOCX, podział na fragmenty, baza wektorowa, wyszukiwanie hybrydowe i odpowiedzi ze wskazaniem źródeł. Ten sam potok pokazujemy też w bibliotece LangChain, żeby było jasne, co biblioteka robi za programistę i kiedy warto po nią sięgnąć. Nie jest to osobny kurs LangChain, ale po zajęciach uczestnik czyta i pisze kod w tej bibliotece ze zrozumieniem.
Agenci AI w Pythonie i MCP
Trzeci dzień poświęcamy temu, jak buduje się agentów AI w Pythonie: kiedy agent ma sens, a kiedy wystarczy zwykły przepływ, jak dać agentowi narzędzia i pamięć oraz jak ograniczyć to, co wolno mu zrobić samodzielnie. Pokazujemy Model Context Protocol (MCP), czyli standard podłączania narzędzi i danych do modeli, w tym prosty własny serwer MCP.
Komu rekomendujemy szkolenie AI dla firm?
Szkolenie polecamy przede wszystkim:
- programistom Pythona i backendu, którzy mają dodać model językowy do istniejącej aplikacji;
- inżynierom danych i analitykom piszącym w Pythonie, którzy budują asystenta do dokumentów swojego działu;
- DevOpsom i administratorom, którzy będą takie rozwiązania uruchamiać i utrzymywać;
- architektom i liderom technicznym, którzy decydują, co zbudować samodzielnie, a co kupić, i odbierają pracę od wykonawców.
Wystarczy podstawowa znajomość Pythona. Osobom nieprogramującym polecamy inne szkolenia AI, GPT i machine learning z naszej oferty.
Dlaczego szkolenie AI dla firm w ALX to inwestycja, która się zwraca?
Najdroższe w projektach z modelami językowymi są nie tokeny, tylko tygodnie spędzone na prototypach, których nie da się wdrożyć. Na tym szkoleniu AI dla firm uczestnicy przechodzą z trenerem całą ścieżkę, łącznie z tym, co zwykle wychodzi dopiero na produkcji: mierzeniem jakości odpowiedzi, kosztami, uprawnieniami narzędzi i danymi poufnymi. Zajęcia prowadzą trenerzy-praktycy, na żywo, w małej grupie. Dla zespołów realizujemy szkolenie także w wersji zamkniętej: z przykładami zbliżonymi do danych firmy, na API innego dostawcy albo na modelach uruchamianych lokalnie.
Szkolenie AI dla firm w Warszawie lub online
Szkolenie prowadzimy stacjonarnie w Warszawie albo zdalnie, na żywo z trenerem. Zakres i ćwiczenia są w obu trybach takie same, a uczestnicy zdalni mogą na bieżąco zadawać pytania i pokazywać swój kod. Na sali każdy ma przygotowane stanowisko komputerowe.