AI Engineering alapképzés
Vektor-adatbázis alapú chatbotok és LLM alkalmazások építése RAG technológiával, folyamatos minőségbiztosítással, a prototípustól az éles üzemeltetésig.
Mit nyújt az AI Engineer tanfolyam?
- LLM alkalmazás fejlesztése saját adatforrásból (RAG): Megtanulod, hogyan építs olyan alkalmazást, ami a saját céges dokumentumaitokból és tudásbázisotokból ad pontos válaszokat, nem csak az internetről összeszedett általános információkból.
- Haladó prompt engineering a gyakorlatban: Elsajátítod, hogyan adj pontos, hatékony utasításokat egy nyelvi modellnek az egyszerű kérdésektől a több lépéses, összetett feladatokig, egészen az éles rendszerekben használt, gondosan megtervezett prompt-sablonokig.
- Vektoradatbázisok kezelése (Qdrant, pgvector): Megtanulod, hogyan tárold és keresd vissza a szöveges tartalmakat úgy, hogy a rendszer a leginkább releváns információt találja meg. Ez az, ami az alkalmazás válaszainak pontosságát alapvetően meghatározza.
- Evaluációs pipeline építése: Kialakítasz egy tesztelési rendszert, amivel mérheted, hogy az alkalmazásod mennyire ad pontos és releváns válaszokat, mind automatizált tesztekkel, mind emberi értékeléssel.
- Evaluációs eszköztár (Promptfoo, Braintrust, Arize Phoenix): Megismered azokat az iparban használt eszközöket, amelyekkel nyomon követheted az alkalmazásod minőségét, és automatikusan jelezheted, ha valami romlik, mindezt akár a fejlesztési folyamatba (CI/CD) beépítve.
- Monitoring és dashboard (Streamlit, Grafana): Felépítesz egy kezelőfelületet, ahol valós időben látod, hogyan teljesít az alkalmazásod élesben, és a felhasználói visszajelzéseket közvetlenül beépíted a fejlesztésbe.
- Fontos: ez a képzés elsősorban az LLM-ekre épülő alkalmazások fejlesztésére és evaluációjára fókuszál, nem a modellek betanítására. Ha saját gépi tanulási modellek fejlesztése, fine-tuning vagy MLOps pipeline kiépítése érdekel, nézd meg a Machine Learning Engineer képzésünket, amely a klasszikus ML algoritmusoktól a deep learningen át az éles üzemeltetésig lefedi a teljes életciklust.
Miért érdemes belevágnod?
Az AI engineer ma az egyik legkeresettebb technológiai szerepkör, a legtöbb képzés viszont megáll a prototípus szintjén: egy demó összerakása még messze van attól, hogy valaki éles rendszert tudjon üzemeltetni. Ezen a képzésen egy AI alkalmazás teljes életciklusát végigviszed, a fejlesztéstől az evaluáción át az éles üzemeltetésig.
8 hét alatt nem csak egy működő alkalmazást építesz, hanem egy tesztelési és monitoring keretrendszert is köré, amivel a bevezetés után is mérheted és karbantarthatod a rendszert. Azt a munkafolyamatot sajátítod el, amit ma egy AI engineer pozícióban elvárnak tőled: LLM API integráció, RAG-pipeline, automatizált evaluáció, minőségbiztosítás és a felhasználói visszajelzések kezelése. A RAG technológia és a folyamatos evaluáció együtt biztosítja, hogy az alkalmazásod megbízhatóan, mérhetően és karbantarthatóan működjön.
A képzés azok tudását is kiegészíti, akik már járatosak a modellépítésben: ha a Machine Learning Engineer képzésünkön vagy máshol már elsajátítottad a modell-tréninget és az MLOps alapjait, itt megtanulod, hogyan építs ezekre a modellekre megbízható, mérhető alkalmazásokat.
- Munka mellett végezheted, rugalmas időbeosztással
- Gyakorlati projekteken keresztül, oktatói mentorálással
- LinkedIn profilodba beágyazható tanúsítvány
Ismerd meg oktatódat
Virág Fausztin Asztrik
AI engineer, oktató
Több mint 7 éve fejlesztek AI-megoldásokat, főként autonóm járművek kutatás-fejlesztési csapataiban, a Boschnál. Dolgoztam AI-fókuszú butik ügynökségeknél is (Lain-Consulting, Palindrom).
Rendszeresen tartok egyetemi kurzusokat, konzulensként pedig diplomamunkákat segítek. Szakterületem a modellek teljesítménymérése, élesítése és a folyamatos fejlesztés támogatása.
Kinek ajánlott?
- Szoftverfejlesztőknek, akik AI engineering irányba akarnak specializálódni
- Backend vagy fullstack fejlesztőknek, akikre már LLM integrációs feladatokat bíznak
- Tech leadeknek és projektvezetőknek, akik AI projektet irányítanak
- Tesztelési és minőségbiztosítási szakembereknek, akik AI rendszerek validálásában vesznek részt
Kinek nem ajánlott?
- Akik még egyáltalán nem programoztak, a képzés stabil fejlesztői alaptudásra épít
- Akik kódolás nélküli (no-code) AI megoldásokat keresnek
- Akik elméleti, kutatói mélységű ML-tudásra vágynak a gyakorlati integráció helyett
- Akik saját LLM modellt szeretnének a nulláról betanítani, itt kész modellek integrációjáról lesz szó
Mik a képzés előkövetelményei?
A Python ismerete előny, de nem feltétel, más nyelvben szerzett fejlesztői rutinnal is jól boldogulsz. Hasznos, ha már találkoztál az AI vagy a gépi tanulás alapfogalmaival, és ha van backend vagy API-integrációs tapasztalatod, ezekre viszont a képzés az alapoktól épít.
Hogyan fogsz tanulni?
Gyakorlatorientált oktatás
Minden héten izgalmas gyakorló feladatokat kapsz majd, amelyek keretében már menetközben is konkrét projekteket fogsz megvalósítani.
Interaktív digitális tananyag
A gyakorlati feladatok elvégzéséhez és a tanfolyam sikeres teljesítéséhez szükséges tudást digitális tananyagok és vezetett kódolások formájában adjuk át.
Rugalmas időbeosztás
A tanfolyamot munka mellett is végezheted, hiszen a tananyag elsajátítása heti 8-12 óra elfoglaltságot igényel összesen, melyet saját időbeosztás szerint dolgozhatsz fel.
Visszanézhető LIVE alkalmak
Akkor sincs semmi baj, ha egy élő konzultációs alkalmon nem tudsz részt venni, hiszen a kérdéseidet előre is elküldheted írásban, az alkalmak pedig másnap 16:00-tól visszanézhetők.
Oktatói mentoring
A képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra.
Limitált férőhely
A fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak.
Minőségbiztosított képzések
Képzéseink szakmai minőségbiztosítását iparági vezető technológiai vállalatok végzik. Szakmai partnerünk a Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kara.
- Tanúsítványt kapsz, amelyet önéletrajzodhoz és LinkedIn profilodhoz csatolhatsz
- Bizonyítja, hogy elsajátítottad az adott ismereteket
- Segíti a szakmai előmeneteledet és karriered fejlődését
Jó társaságban leszel!
Már több mint 150 hazai és nemzetközi cég munkatársa képezte magát tovább nálunk.
Tudtad?
A munkáltatók 83%-a finanszírozza a munkatársak képzését, ne felejtsd el megkérdezni a tiédet!
Elvégzett képzés: AI Engineering – asszisztensek fejlesztése LLM API-k integrációjával RAG bekötéssel
„Nagyon jól összerakott képzés, amely komoly technikai tudást ad a RAG technológiákkal kapcsolatban. Időt igényel, de teljesen megéri, mert valódi tudást lehet belőle építeni. Fuszti kiemelkedően jó és felkészült oktató, a képzés során és utána is bátran fordulhattam hozzá segítségért. A képzést csak ajánlani tudom!"
Hallgatói közösség
A több mint 9100 tagot számláló hallgatói közösségünket főként olyan, az iparágban vezető IT-cégek és szoftverfejlesztő cégek munkatársai alkotják, akik folyamatosan fejleszteni szeretnék meglévő készségeiket.
Légy Te is tagja közösségünknek!
Következő indulási dátumok
2026.12.08.
Élő konzultációk a mentorral kedd esténként
290 000 Ft
Jelentkezési határidő: 2026.12.04.
2027.03.09.
Élő konzultációk a mentorral kedd esténként
290 000 Ft
Jelentkezési határidő: 2027.03.05.
2027.06.15.
Élő konzultációk a mentorral kedd esténként
290 000 Ft
Jelentkezési határidő: 2027.06.11.
Más időpont érdekel?
Add meg az e-mail címed, és szólunk, ha új időpontot hirdetünk meg.
Fizetési lehetőségek
Biztosak vagyunk a képzés tartalmát és minőségét illetően, ezért a képzés indulásától 8 napig 100%-os pénzvisszafizetési garanciát vállalunk, melyhez többféle fizetési lehetőséget is biztosítunk, hogy a számodra legmegfelelőbb opciót választhasd.
Online fizetés bankkártyával
A Stripe az egyik legelterjedtebb online fizetési megoldás nemzetközileg, gyors és biztonságos fizetési folyamatáról ismert.
Fizetés banki átutalással, egy összegben
Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma, lent található jelentkezési űrlapunkon ezt is választhatod.
Kamatmentes részletfizetés
Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.
Kapcsolódó képzések
A képzés fejlesztői és AI-alapokra épül, ezekből bármelyiket felfrissítheted, és hozzáadhatod a jelentkezésedhez.
Készen állsz a jelentkezésre?
Könnyítendő magánszemélyként résztvevő hallgatóink helyzetét, a feltüntetett ár számukra a ténylegesen fizetendő végösszeg. Céges megrendelés esetén az adott összeg tekintendő a nettó árnak.
Mit fogsz tanulni?
8 hét alatt az LLM API integrációtól a RAG-pipeline-on át az automatizált evaluációig és monitoringig építesz fel egy éles AI alkalmazást.
1 LLM-ek és prompt-tervezés alapjai A nagy nyelvi modellek működésének megértése, prompt engineering alapelvek és az első evaluációs eszközök.
- LLM-ek működésének áttekintése: transformer, tokenizálás, kontextusablak
- LLM-ek működésének áttekintése: Reasoning modellek
- LLM-ek működésének áttekintése: API
- Prompt engineering alapelvek: zero-shot, few-shot, instrukciók
- Bevezetés az agent-szerű működésbe: láncolt promptok
- Production System prompt elemzése, részei
- AI irányelvek
- Promptfoo
- Model Context Protocol (MCP)
2 RAG technológia és vektoradatbázisok A Retrieval-Augmented Generation alapjai, dokumentumok előfeldolgozása, embedding modellek és vektoradatbázisok gyakorlati alkalmazása.
- Mi az a RAG (Retrieval-Augmented Generation) és mire jó?
- Dokumentumok előfeldolgozása (chunkolás, metaadatok)
- Embedding modellek kiválasztása és használata (OpenAI, HuggingFace, bge-m3)
- Vektoradatbázisok: Qdrant, pgvector alapok
- Vektoradatbázis gyakorlat: Embedding feltöltése
- Vektoradatbázis gyakorlat: Keresés és a legpontosabb válasz megtalálása
3 AI asszisztens backend fejlesztése Az AI asszisztens backend architektúrájának kialakítása, API endpointok, modern framework integráció és adatbáziskezelés.
- Backend architektúra: API endpointok, request pipeline
- Next.js framework és LLM integrációja
- User Experience megismerése és fejlesztése
- RAG bekötése toolok segítségével
- Az asszisztens mögött futó adatbázis megismerése
- Modellek közti különbségek használat közben
4 Evaluációs keretrendszer kialakítása Az AI alkalmazások minőségmérésének módszertana, evaluációs szintek, LLM as Judge és A/B tesztelés.
- Mit és hogyan mérjünk? (hasznosság, pontosság, konzisztencia)
- RAG szintű mérés
- LLM as Judge
- RAG-szintű és Single-turn evaluáció implementálása
- Online evaluáció Braintrust toollal
- Automatikus vs. emberi értékelés
- Automatikus evaluáció futtatása
- Promptváltozatok összehasonlítása (A/B teszt)
5 Evaluációs toolchain használata A Promptfoo, Braintrust és Arize Phoenix eszközök gyakorlati alkalmazása, CI/CD integrációval és regressziós teszteléssel.
- Promptfoo használata: promptok validálása különböző beállításokkal
- Braintrust alapok: feedback pipeline és emberi értékelés bekötése
- Arize Phoenix: predikciók nyomon követése, hibaanalízis
- Toolchain összekapcsolása CI/CD folyamattal (pl. GitHub Actions)
- Regressziós tesztelés LLM-alapú appoknál
6 Monitoring és folyamatos tanulás Az éles alkalmazások monitorozása, metrikák gyűjtése, dashboardok és a felhasználói visszajelzések beépítése a fejlesztési ciklusba.
- Milyen adatokat figyeljünk? (latencia, sikeresség, top hibák)
- Valós idejű logolás és metrika gyűjtés (OpenTelemetry, custom logs)
- Dashboards: Streamlit, Grafana vagy egyedi front-end
- Felhasználói visszajelzések beépítése a fejlesztési ciklusba
- Fine-tuning vagy retraining triggerelése felhasználói adat alapján
7 Záró Projektfeladat Az egész kurzus során szerzett tudás alkalmazása egy komplett AI alkalmazás projektben.
- Komplett AI alkalmazás megépítése a fejlesztéstől az evaluáción át a monitoringig
Gyakran Ismételt Kérdések
Mit nyújt ez a képzés?
LLM alkalmazás fejlesztését saját adatforrásból (RAG), haladó prompt engineeringet, vektoradatbázisok kezelését (Qdrant, pgvector), evaluációs pipeline építését, valamint automatizált riportok és monitoring dashboard készítését olyan eszközökkel, mint a Braintrust, Promptfoo és Arize Phoenix.
Mennyi heti időráfordítást igényel?
A képzés rugalmas időbeosztású, jellemzően heti 8-12 óra elfoglaltságot jelent. Az élő alkalmak másnap 16:00-tól visszanézhetők.
Mi a különbség a Machine Learning Engineer képzés és e között?
Ez a képzés elsősorban az LLM-ekre épülő alkalmazások fejlesztésére és evaluációjára fókuszál, nem a modellek betanítására. A Machine Learning Engineer képzés a klasszikus ML algoritmusoktól a deep learningen át az éles üzemeltetésig fedi le a teljes életciklust.
Mi történik azután, hogy jelentkeztem?
A jelentkezésedet e-mailben visszaigazoljuk, és megküldjük az első számlát. Ha átutalással fizetsz, a közleménybe kizárólag a számla sorszáma kerüljön, mert így tudjuk beazonosítani a befizetésedet. Ezen túl nincs más teendőd: az indulás előtt hozzárendeljük a kurzust a tanulói fiókodhoz, a kezdés előtti napon pedig küldünk egy összefoglaló, eligazító levelet. Részletfizetésnél a további számlákat mindig az esedékességük előtt küldjük ki.
Mi van, ha egyik meghirdetett indulás sem jó nekem?
A meghirdetett csoportokat az adatlapon, a „Következő indulási dátumok” szekcióban találod. Ha egyik időpont sem fér bele az időbeosztásodba, add meg az e-mail címed ugyanott, a „Más időpont érdekel?” résznél, és szólunk, amint új időpontot hirdetünk. Ha a jelentkezésed után derül ki, hogy mégis egy másik csoport lenne jobb, írj az info@cubixedu.com címre, és átvezetünk. Ha már kaptál számlát, azt ilyenkor sztornózzuk, így nem marad nyitott tételed.
Be tudom íratni a munkatársaimat, vagy fizetheti a munkáltatóm?
Igen, mindkettő megoldható. A jelentkezés „Számlázás” lépésénél válaszd a „Munkatársnak vásárolok” lehetőséget, több fő esetén pedig a „Több munkatársat szeretnél beíratni?” gombot. Ha inkább írnál, vagy a munkáltatódnak hivatalos árajánlatra van szüksége a döntéshez, keress minket az info@cubixedu.com címen, és összeállítjuk. Ha a cégnél elhúzódik a jóváhagyás, az sem gond, a képzéseinket rendszeresen újraindítjuk, így egy későbbi csoportra is tudsz jelentkezni.
Hogyan tudom felhasználni a kedvezménykuponomat?
A kuponkódot a jelentkezési űrlap „Fizetés” lépésénél tudod megadni: írd be a Kuponkód mezőbe, kattints a Beváltás gombra, és a rendelési összegző rögtön a kedvezményes végösszeget mutatja. A kuponok érvényessége kódonként eltér, ezért ha a tiéd nem működne ennél a képzésnél, írj nekünk az info@cubixedu.com címre, és megnézzük.
Kapok kedvezményt, ha mást is beajánlok a képzésre?
Igen, ajánlásért 5% kedvezményt adunk, amit az ajánló és az ajánlott is megkap, és a nálad lévő egyéb kedvezmény mellett is érvényesíthető. Írj nekünk az info@cubixedu.com címre az általad ajánlott jelentkezők nevével, amint biztos a részvételük, és mindenkinek külön kupont küldünk. A kupont a jelentkezési űrlap „Fizetés” lépésénél tudod beváltani.
Össze tudok állítani több képzésből egy csomagot?
Igen, több képzésből kérhetsz csomagot, amit a külön megvásárolt kurzusoknál kedvezőbb csomagáron adunk. Írd meg az info@cubixedu.com címre, mely képzések érdekelnek, és összeállítjuk. Küldünk hozzá egy áttekintést a képzések formátumáról, a tervezett indulásokról és a javasolt tanulási időről, valamint egy naptárnézetet, amiből látod az esetleges átfedéseket. Az összeállítás csak kiindulópont, a csomag bármelyik képzésünkből összerakható, és az ütemezés menet közben is rugalmasan alakítható.
Kapok tanúsítványt a képzés végén?
Igen, a kurzus sikeres teljesítése és a záró projektfeladat beadása után név szerinti tanúsítványt kapsz a megszerzett AI engineering tudásról.