Mentorált

AI asszisztens alkalmazások fejlesztése és evaluációja

Name: AI asszisztens alkalmazások fejlesztése és evaluációja
Brand: Cubix Institute of Technology
SKU: 9344
Price: 290000 HUF
Availability: InStock

Vektor adatbázis alapú chatbotok építése LLM és RAG technológiákkal, folyamatos minőségbiztosítással

Kamatmentes részletfizetés

Pénzvisszafizetési garancia

Hamarosan

Céges ajánlatot kérek

Szerző: Cubix Institute of Technology

Képzés célja

A képzés célja, hogy a résztvevők elsajátítsák, hogyan fejlesszenek LLM API-kon és RAG technológián alapuló, dokumentumtárból dolgozó chatbotokat, és miként építsenek köréjük folyamatos minőségbiztosítást (offline/online evaluációs keretrendszert).

Képzés követelményei

Alapvető programozási ismeretek (Python preferált), Git verziókezelés alapszint, gépi tanulás alapfogalmak.

Képzés időtartama

8 hét

Képzés tematika

Hasznos információk a kurzushoz

1. lecke

Hogyan használd a felületet?

2. lecke

Képzés használati útmutató

LLM-ek és prompt-tervezés alapjai

3. lecke

LLM-ek működésének áttekintése: transformer, tokenizálás, kontextusablak

4. lecke

Prompt engineering alapelvek: zero-shot, few-shot, instrukciók

5. lecke

Egyszerű Q and A chatbot építése OpenAI/Claude API-val

6. lecke

Prompt sablonok tesztelése különböző célokra (információlekérés, utasításvégrehajtás)

7. lecke

Bevezetés az agent-szerű működésbe: láncolt promptok

8. lecke

[HÁZI FELADAT]

9. lecke

[LIVE ALKALOM] 2025.

RAG technológia és vektoradatbázisok

10. lecke

Mi az a RAG (Retrieval-Augmented Generation) és mire jó?

11. lecke

Dokumentumok előfeldolgozása (chunkolás, metaadatok)

12. lecke

Embedding modellek kiválasztása és használata (OpenAI, HuggingFace, bge-m3)

13. lecke

Vektoradatbázisok: Chroma, FAISS, Weaviate alapok

14. lecke

Retriever komponens építése: hasonlóságkeresés és relevancia

15. lecke

Tudásbázis-alapú chatbot építése RAG megközelítéssel

16. lecke

[HÁZI FELADAT]

17. lecke

[LIVE ALKALOM] 2025.

Chatbot backend fejlesztése

18. lecke

Backend architektúra: API endpointok, request pipeline

19. lecke

LLM integráció: OpenAI / Claude API használata Pythonban vagy Node.js-ben

20. lecke

Válasz streamelés technikái (Server Sent Events, Websocket)

21. lecke

Dokumentum keresés + válasz generálás összehangolása

22. lecke

Kontextus újrafelhasználása többkörös beszélgetésekben (memory buffer)

23. lecke

[HÁZI FELADAT]

24. lecke

[LIVE ALKALOM] 2025.

Evaluációs keretrendszer kialakítása

25. lecke

Mit és hogyan mérjünk? (Hasznosság, pontosság, konzisztencia)

26. lecke

Offline tesztelés: Golden set, annotált kérdés-válasz párok

27. lecke

Online tesztelés: felhasználói interakciók alapján gyűjtött metrikák

28. lecke

Automatikus vs. emberi értékelés

29. lecke

Promptváltozatok összehasonlítása (A/B/C teszt)

30. lecke

[HÁZI FELADAT]

31. lecke

[LIVE ALKALOM] 2025.

Evaluációs toolchain használata

32. lecke

Promptfoo használata: promptok validálása különböző beállításokkal

33. lecke

Braintrust alapok: feedback pipeline és emberi értékelés bekötése

34. lecke

Arize Phoenix: predikciók nyomon követése, hibaanalízis

35. lecke

Toolchain összekapcsolása CI/CD folyamattal (pl. GitHub Actions-ben)

36. lecke

Regressziós tesztelés LLM-alapú appoknál

37. lecke

[HÁZI FELADAT]

38. lecke

[LIVE ALKALOM] 2025.

Monitoring és folyamatos tanulás

39. lecke

Milyen adatokat figyeljünk? (latencia, sikeresség, top hibák)

40. lecke

Valós idejű logolás és metrika gyűjtés (pl. OpenTelemetry, custom logs)

41. lecke

Dashboards: Streamlit, Grafana vagy egyedi front-end

42. lecke

Felhasználói visszajelzések beépítése a fejlesztési ciklusba

43. lecke

Fine-tuning vagy retraining triggerelése felhasználói adat alapján

44. lecke

[HÁZI FELADAT]

45. lecke

[LIVE ALKALOM] 2025.

Záró Projektfeladat

46. lecke

Záró Projektfeladat

A képzésről

Kategória: Mesterséges Intelligencia

Fejlesztendő skillek:

tesztelés prompt engineering LLM RAG Evaluació Braintrust Promptfoo Arize Phoenix Chat bot

Indulás: 2025-09-08

Minimum létszám: 8 fő

Maximum létszám: 25 fő

Képzés azonosítója: ai-enginee

Oktató

Cubix Institute of Technology

Cubix Institute of Technology aims to gather the most important skill set building blocks for IT professionals by organizing cohort-based online IT&TECH trainings with the help of industry-leading mentors, tech companies and higher education institutions. Our constantly expanding portfolio currently consists of 35+ courses, including topics, e.g.: Frontend and Backend development (Java, Python, C++, JavaScript, Angular, React, Node.js, C#, .NET, stb), Mobile and Cross-Platform Development (iOS, Android, Flutter), IT Project and Product Management, Software Testing, DevOps, and Cloud Solutions, Data Science, AI/ML/DL, UI/UX, IT security, Video Game-, AR/VR/XR Development, IoT and Embedded System Development, Blockchain, etc. Become a member of our community!

Online IT academy