Szkolenie: Od API LLM do Hybrydowego Agent‑RAG: pełna ścieżka tworzenia systemów opartych na RAG

Szkolenie "Od API LLM do Hybrydowego Agent‑RAG: pełna ścieżka tworzenia systemów opartych na RAG" prowadzi uczestników przez wszystkie etapy budowy nowoczesnego systemu typu Retrieval-Augmented Generation. Od pracy z LLM‑ami przez przygotowanie danych, konfigurację baz wektorowych i grafowych, aż po projektowanie wieloagentowego systemu z wykorzystaniem CrewAI i LangGraph. Uczestnicy kończą kurs z gotowym prototypem hybrydowego asystenta Q&A.

  • Trenerzy praktycy
  • Kameralne grupy
4750 PLN+23% VAT (5842 PLN brutto / 1 os.)

Czas trwania szkolenia:5 dni (40h)

Poziom zaawansowania:

Kod kursu:AI/HYBRID-RAG

Dostępne terminy szkolenia

  • Termin
  • Trener
  • Cena
  • Zapis
  • Lokalizacja
Nowe terminy szkolenia już wkrótce! Śledź naszą stronę, aby być na bieżąco.

Forma szkolenia

Interesuje Cię szkolenie stacjonarne?

Powiadom o kolejnych terminach

Interesuje Cię szkolenie w innym terminie?

Od API LLM do Hybrydowego Agent‑RAG: pełna ścieżka tworzenia systemów opartych na RAG

Cele szkolenia

  • Świadomie wybierać i porównywać modele LLM – zarówno komercyjne (GPT-4o, Claude 3.5), jak i open-source (Llama 3, Qwen 2), optymalizując dobór pod kątem różnych zastosowań i wymagań

  • Tworzyć oraz przetwarzać embeddingi z wykorzystaniem zaawansowanych wektorowych baz danych (Weaviate, Qdrant) i systemów graph RAG, efektywnie zarządzając metadanymi i skalowalnością

  • Projektować strategie chunkowania danych i oceniać jakość embeddingów przy użyciu metryk takich jak NDCG i MRR, aby zwiększyć precyzję i wydajność wyszukiwania semantycznego

  • Wdrożyć hybrydowy Graph-RAG system, łączący wyszukiwanie semantyczne i strukturalne z wykorzystaniem języka zapytań Cypher oraz technik rerankingu, poprawiając trafność wyników

  • Zbudować i przygotować do produkcji zaawansowany, wieloagentowy system AI bazujący na frameworkach CrewAI i LangGraph, wdrażając go w środowisku z Dockerem, Kubernetes autoscalerem oraz CI/CD


Dla kogo?

  • Programiści backend / AI engineerzy budujący produkty oparte na LLM.

  • Data scientist i analitycy zainteresowani RAG i systemami hybrydowymi.

  • Architekci systemów wdrażający zaawansowane narzędzia wyszukiwania i planowania.

  • Zespoły projektowe tworzące agentów i chatboty Q&A.


Zalety

  • Kompleksowy przegląd i porównanie najnowszych modeli LLM 2025 – zarówno komercyjnych (GPT-4o, Claude 3.5), jak i open-source (Llama 3, Qwen 2), z naciskiem na zastosowania w realnych projektach AI i NLP

  • Praktyczne warsztaty z budowy i optymalizacji systemów RAG (Retrieval-Augmented Generation) oraz zaawansowanego Graph RAG, wykorzystujące embeddingi, wektorowe bazy danych (Weaviate, Qdrant) oraz hybrydowe wyszukiwanie

  • Poznanie architektury wieloagentowych systemów AI i ich orkiestracji z użyciem nowoczesnych frameworków takich jak CrewAI i LangGraph, zapewniających skalowalność i elastyczność wdrożeń

  • Gotowy pipeline od przygotowania danych przez tworzenie modeli, aż po automatyczny deploy w środowiskach kontenerowych z Dockerem, Kubernetes autoscalerem oraz integracją CI/CD, z możliwością mierzenia wpływu na koszty i jakość


Wymagania

  • Znajomość Pythona i pracy z API.

  • Umiejętność pracy z terminalem i podstawowa znajomość Dockera.


W cenie otrzymasz:

  • Materiały szkoleniowe

  • Certyfikat ukończenia szkolenia

  • W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki

Program szkolenia

Pobierz program w PDF

Fundamenty LLM & API

  • Porównanie modeli GPT-4o, Claude 3.5, Llama 3, Qwen 2

  • Praca z API, retry i streaming

  • Function calling i routing modeli

  • Guardrails i walidacja danych wyjściowych

Przygotowanie danych i embedding

  • Tworzenie loaderów i czyszczenie danych

  • Strategie chunkowania i metadane

  • Ocena embeddingów z wykorzystaniem NDCG, MRR

  • Budowa prostego RAG z Chroma

Bazy wektorowe

  • Przegląd HNSW, IVF, FAISS

  • Konfiguracja Weaviate i Qdrant (w tym multi-tenancy)

  • Benchmarkowanie i optymalizacja parametrów

Graph RAG & wyszukiwanie hybrydowe

  • Modelowanie grafu dokumentów i zapytania Cypher

  • Łączenie kryteriów grafowych i wektorowych

  • Implementacja hybrydowego retrievera + reranking

Agent‑RAG & wdrożenie

  • Projektowanie agenta (retriever, planner, answerer)

  • CrewAI + LangGraph + LangSmith

  • Deploy z Dockerem i autoscalerem K8s

  • Integracja CI/CD + staging/production

Autorem szkolenia jest Marcin Wierzbiński

Analityk danych i badacz sztucznej inteligencji z doświadczeniem akademickim i komercyjnym. Na co dzień wykłada na Uniwersytecie Warszawskim, a swoje kompetencje rozwijał również w międzynarodowych instytucjach badawczych, takich jak Instytut Maxa Plancka w Berlinie. Specjalizuje się w uczeniu maszynowym, analizie danych na dużą skalę oraz bioinformatyce – w szczególności w przetwarzaniu i analizie danych genetycznych. Prowadzi praktyczne kursy z zakresu analizy danych i deep learningu, kładąc…

Wybrane opinie

Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi

4.8
Ikona podpowiedziŚrednia ocen Sages w serwisie Google Ocena pochodzi ze średniej ocen Sages w serwisie Google i nie jest weryfikowana

20.03.2025

Uczestnik szkoleniaProjektowanie modeli domen z wykorzystaniem Domain-Driven Design i Event Storming

Wojciech Pyszko

Nawiązywało do przypadków bliskich naszemu biznesowi

Więcej opinii

Podobne szkolenia