Lokális AI fejlesztés vállalati környezetben: Nagy nyelvi modellek (LLM) finomhangolása, optimalizációja és integrációja saját infrastruktúrán
Sajátítsd el a nyílt forráskódú nagy nyelvi modellek finomhangolását és optimalizálását saját infrastruktúrán, a költséges, adatvédelmi kockázatot rejtő publikus API-k kiváltására.
Mit fogsz tanulni?
10 hét alatt a hardvertervezéstől a modellkvantáláson, finomhangoláson és RAG-rendszereken át a biztonságos, air-gapped deploymentig.
1 A Sovereign AI alapjai és hardvertervezés Az alapvető koncepciók és a hardver-választási kritériumok megértése.
- Nyílt vs. zárt ökoszisztémák
- Hugging Face Hub mérnöki szemmel
- Hardverbecslés: GPU választás, memória matek (VRAM, sávszélesség)
2 Modell optimalizáció és kvantálás A modellek memóriaigényének drasztikus csökkentése kvantálási eljárásokkal.
- Hogyan fér el a modell a memóriában? (FP16 vs INT4)
- Kvantálási eszközök a gyakorlatban (llama.cpp, AutoGPTQ)
- CPU vs GPU inferencia optimalizálás
3 Hatékony finomhangolás (Efficient Fine-Tuning) Saját feladatokra specializált modellek készítése minimális erőforrással.
- PEFT és LoRA technológiák mélyfúrása
- Saját adathalmaz készítése (Dataset Engineering, Chat Template, JSONL)
- Tanítás felügyelete és kiértékelése (Loss curves, Overfitting)
4 Lokális inferencia és RAG rendszerek Vállalati szintű production szerverek üzemeltetése és tudásbázis csatolása.
- Vállalati szintű szerverek beüzemelése (vLLM, Ollama, PagedAttention)
- Saját tudásbázis csatolása (RAG architektúra, lokális vektoradatbázis)
- API végpontok készítése és integrációja
5 AI biztonság és deployment Biztonságos, offline rendszerek telepítése és üzemeltetése.
- Prompt Injection elleni védelem
- Air-gapped (offline) telepítési stratégiák
- A kész rendszer konténerizálása és átadása (Docker, NVIDIA Container Toolkit)
Kinek ajánlott?
- Backend fejlesztők, akik AI-integrációval és LLM-alapú alkalmazásfejlesztéssel bővítenék az eszköztárukat
- DevOps és MLOps mérnökök, akik AI modellek biztonságos üzemeltetésével foglalkoznak
- Tech Lead-ek és CTO-k, akik stratégiai döntéseket hoznak az AI bevezetéséről és infrastruktúrájáról
Kinek nem ajánlott?
- Akiknek nincs fejlesztői vagy üzemeltetési tapasztalatuk
- Akik felhős API-kkal (OpenAI, Claude) való integrációt tanulnának — arra az AI asszisztensek képzésünk való
- Akik no-code AI eszközöket keresnek
- Akik üzleti, stratégiai AI-áttekintést várnak technikai mélység nélkül
Miért érdemes belevágnod?
A vállalatok többsége „AI csapdában” érzi magát: szükségük lenne a mesterséges intelligenciára, de az adatvédelmi szabályok (GDPR, banktitok) miatt nem tölthetik fel érzékeny adataikat nyilvános felhőmegoldásokba. Az új kvantálási eljárások mára lehetővé teszik, hogy amihez tavaly szuperszámítógép kellett, az ma erős PC-n vagy bérelt GPU-n fusson – teljes adatszuverenitással.
- Munka mellett végezheted, rugalmas időbeosztással
- Gyakorlati projekteken keresztül, oktatói mentorálással
- LinkedIn profilodba beágyazható tanúsítvány
Ismerd meg oktatódat
Jagusztin László
Chief Technology Architect, Alerant
Jagusztin László vagyok, Architect az Alerant Zrt.-nél. Az elmúlt 20-30 évben mint vezető dolgoztam telekommunikációs és energetikai cégeknél. A munkám nagy részét a DevOps bevezetési projekteknek a vezetése vagy tanácsadása töltötte ki.
Mik a képzés előkövetelményei?
Magabiztos, középhaladó Python-tudás és alapszintű parancssori jártasság szükséges.
Hogyan fogsz tanulni?
Amit otthon, távolról, rugalmasan tanulhatsz, miért kellene egy (virtuális) oktatóteremben hallgatnod?
Learn by doing megközelítés
Minden héten gyakorlófeladatokat oldasz meg, hogy a friss tudást azonnal alkalmazd.
Interaktív digitális tananyag
A tudást digitális tananyagok és vezetett kódolások formájában adjuk át egy több mint 300.000 hallgató által használt platformon.
Folyamatos mentorálás
Visszajelzést kapsz az oktatótól a feltöltött projektjeidre, és bármikor kérdezhetsz írásban.
Kiscsoportos Discord közösség
Saját Discord csoport, ahol megoszthatod tapasztalataidat és partnereket találhatsz a gyakorláshoz.
Rugalmas időbeosztás
A tanfolyamot munka mellett is végezheted, saját időbeosztásod szerint.
Visszanézhető LIVE alkalmak
Az élő konzultációk visszanézhetők; kérdéseid előre is elküldheted.
Minőségbiztosított képzések
Képzéseink szakmai minőségbiztosítását az iparági vezető technológiai vállalatok és a Budapesti Műszaki és Gazdaságtudományi Egyetem végzi.
- 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!
Következő indulási dátum
Más időpont érdekel?
Add meg az e-mail címed, és szólunk, ha új időpontot hirdetünk meg.
Fizetési lehetőségek
Többféle fizetési lehetőséget biztosítunk, hogy a legmegfelelőbb opciót válaszd.
Online fizetés bankkártyával
Az OTP SimplePay az egyik legelterjedtebb online fizetési megoldás — gyors és biztonságos fizetési folyamatáról ismert.
Kamatmentes részletfizetés
Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.
Fizetés banki átutalással, egy összegben
Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma — írj nekünk, és ebben is segítünk.
Készen állsz a jelentkezésre?
Jelentkezz most, és kezdd el a fejlődést!
Gyakran Ismételt Kérdések
Milyen hardverre van szükségem a kurzus elvégzéséhez?
Az ideális egy NVIDIA GPU (pl. RTX 4090, A100), de a kvantálási eljárások lehetővé teszik a futtatást gyengébb PC-n vagy akár CPU-n is. A kurzus megtanít hardverbecslésre, hogy meghatározd az igényeidhez szükséges eszközöket.
Szükséges-e a képzés előtt mélyrehatóan ismerni az LLM-eket?
Nem, elég a középhaladó Python-tudás és az alapszintű Terminal-jártasság. A képzés minden koncepciót nulláról építkezve tanít.
Mit jelent az "air-gapped" szó a képzés kontextusában?
Internetkapcsolat nélküli telepítést jelent: a rendszer offline környezetben működik, garantálva az adatszuverenitást és minimalizálva a biztonsági kockázatokat.
Hány hét alatt lehet befejezni a képzést?
A képzés 10 hét hosszú, de a digitális tananyaghoz 1 évig korlátlan hozzáférést kapsz, így saját tempóban is haladhatsz.
Mi történik, ha nem vagyok elégedett a képzéssel?
100%-os pénzvisszafizetési garanciát vállalunk az indulástól számított 8 napon belül.