Sajátítsd el az AI engineering alapjait: fejlessz, tesztelj és üzemeltess LLM-re épülő alkalmazásokat éles környezetben!
Ezen a kurzuson lépésről lépésre végigmész egy AI alkalmazás teljes életciklusán. Felépítesz egy dokumentumtárból dolgozó RAG-pipeline-t, köré tesztelési és evaluációs keretrendszert hozol létre, majd monitoringot és visszajelzés-alapú fejlesztési ciklust állítasz be, amivel időben észreveszed, ha az alkalmazás válaszainak minősége romlik.
Közben valós AI projekteken keresztül sajátítod el prompt engineering alapelveit, a vektoradatbázisok kezelését, valamint azt, hogyan mérd a pontosságot, relevanciát és felhasználói elégedettséget konkrét metrikákkal.
A képzés során olyan eszközöket használsz, mint a Braintrust, Promptfoo és Arize Phoenix, Open AI API, hogy élesben is láthasd, hogyan működik a folyamatos minőségbiztosítás, és miként tudsz gyorsan reagálni a felhasználói visszajelzésekre.
Mit nyújt ez a képzés?
- LLM alkalmazás fejlesztése saját adatforrásból (RAG): Megtanulod, hogyan építs olyan alkalmazást, ami a saját céges dokumentumaitokból, 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 (Chroma, FAISS, Weaviate): 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, de a legtöbb képzés megáll a prototípus szintjén. Ezen a képzésen egy AI alkalmazás teljes életciklusát végigviszed: a fejlesztéstől az evaluáción át az éles üzemeltetésig.
A 8 hét alatt nemcsak egy működő alkalmazást építesz, hanem egy tesztelési és monitoring keretrendszert is köré, amivel mérheted és karbantarthatod a rendszert a bevezetés után is.
Azt a munkafolyamatot sajátítod el, amit ma egy AI engineer pozícióban elvárnak: LLM API integráció, RAG-pipeline, automatizált evaluáció, minőségbiztosítás és felhasználói visszajelzések kezelése.
A RAG technológia és a folyamatos evaluáció együtt biztosítja, hogy az alkalmazásod megbízhatóan, mérhetően és karbantarthatóan működjön.
Ez a képzés kiegészíti azok tudását is, 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.
Kinek ajánlott?
- Szoftverfejlesztőknek, akik AI engineering irányba akarnak specializálódni és tudásukat ezáltal naprakészen tartani.
- Backend vagy fullstack fejlesztőknek, akikre a csapatukban már LLM integrációs feladatokat bíznak, de nincs strukturált tudásuk a teljes AI alkalmazás-életciklusról.
- Tech leadeknek és projektvezetőknek, akik AI projektet irányítanak, és érteni akarják a RAG-pipeline, evaluáció és monitoring működését, hogy megalapozott technológiai döntéseket hozzanak.
- Tesztelési és minőségbiztosítási szakembereknek, akik AI rendszerek validálásában vesznek részt, és el akarják sajátítani az LLM-specifikus evaluációs módszertant.
Ki lesz mindebben oktatód és mentorod?
Virág Fausztin Asztrik – AI engineer, oktató @BME-KJK & @ELTE-TTK
Több mint 7 éve fejleszt MI-megoldásokat, főként autonóm járművek R&D-csapataiban (Bosch). Dolgozott AI-fókuszú “butik” ügynökségeknél (Lain-Consulting). Rendszeresen tart egyetemi kurzusokat, konzulensként pedig diplomamunkákat segít. Szakterülete a modellek teljesítménymérése, élesítése és a folyamatos fejlesztés támogatása.
Mik a képzés előkövetelményei?
- Python 3.8+ környezet
- Alapvető programozási ismeretek (Python preferált)
- Git verziókezelés alapszintű ismerete
- AI és Gépi tanulás alapfogalmainak ismerete
Amennyiben biztosra szeretnél menni Python ismeretekkel kapcsolatban, úgy a képzés előtt ajánljuk figyelmedbe a Python Programozás Alapok című képzésünket, ahol minden ehhez a képzéshez szükséges Python ismeretet megkapsz.
Személyes mentorálás és konzultáció
A képzés teljes időtartama alatt lehetőséged van arra, hogy bármikor kérdéseket tegyél fel oktatódnak írásban, valamint a heti élő konzultációs alkalmakon élőszóban is kérdezheted.
Ez a közvetlen kommunikáció biztosítja, hogy a valós iparági tapasztalattal rendelkező oktatóink, akik már számtalan kihívással és feladattal találkoztak a deep learning területén, megoszthassák veled azokat a gyakorlati megoldásokat és tudást, amelyek valós lépéselőnyt biztosítanak számodra.
Ez a folytonos támogatás és interakció teszi lehetővé, hogy a tanultakat azonnal a gyakorlatban is alkalmazhasd, és így a kurzus során minden felmerülő kérdésedre szakmai szempontból megalapozott választ kapj.
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 kérdéseid előre is elküldheted írásban, a válaszokat és az egész LIVE-ot pedig visszanézheted másnap 16:00 órától.
- Oktatói mentoring: a képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra, fejlődésedet végigkíséri.
- Konzultációk: valamennyi tanegység végén egy-egy élő konzultációs alkalmat is szervezünk este 18:00 órától, amikor élőben is felteheted kérdéseidet, közösen kiértékelhetitek és átbeszélhetitek a gyakorlás során elkészített projekteket, és tanulhattok egymás elakadásaiból is.
- Limitált férőhely: a fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak.
- Sikeres vizsga/záróprojekt után névre szóló, LinkedIn-barát tanúsítványt szerzel, amely igazolja, hogy a képzésen nem csak részt vettél, hanem alkalmazni is tudod a tanultakat.
Mikor indul a képzés és mennyibe kerül?
Képzés indulásának időpontja: 2026. június 9.
Részvételi díja: 290.000 Ft
Mit fontos még tudnod a fizetéssel kapcsolatban?
- Pénzvisszafizetési garancia: Biztosak vagyunk a képzés tartalmát és minőségét illetően, ezért a képzés indulásától 8 napig 100%-os pénzvisszafizetési garanciát vállalunk.
- Kamatmentes részletfizetés: Nem szeretnénk, ha fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat akár több részletben is fizetheted, teljesen kamatmentesen.
- Céges számla igénylése: erre is van lehetőség ha a beiratkozom gombra kattintás után elérhető jelentkezési űrlapon kipipálod az “Áfás számla igénylés”-t.
Ha érdekel a képzés két lehetőséged is van
1. Előjelentkezel a képzésre
Ha érdekel az üzleti elemzés képzés és szeretnéd biztosítani helyedet, nincs más teendőd, mint az ‘Ingyenes előjelentkezés’ gombra kattintva kitölteni a jelentkezési formot és minden részletről értesítünk, amikor tanfolyamot indítunk.
2. Kérdezel még a képzésről
Ha szívesen előjelentkeznél, de úgy érzed még van néhány kérdés, amire nem találtad meg a választ, kattints az ‘Érdekel, de kérdeznék’ gombra, add meg elérhetőségedet és 48 órán belül felvesszük veled a kapcsolatot vagy írhatsz is nekünk közvetlenül az info@cubixedu.com e-mail címre!
Nézz szét ingyenes tartalmaink között
Nézd vissza releváns webináriumainkat, ahol a képzés oktatójától tudhatsz meg még többet a témáról: AI Engineering a gyakorlatban – Claude Code és MCP élő bemutató >>
================
A változás jogát fenntartjuk.
