Szkolenie: Modele open-source i lokalne — własny prywatny asystent AI
Szkolenie przeprowadza uczestników przez świat modeli AI działających lokalnie — bez chmury, bez subskrypcji, bez wysyłania danych na zewnątrz. Uczestnicy uruchamiają własne modele na swoim sprzęcie, budują interfejs przypominający ChatGPT i tworzą asystenta odpowiadającego na pytania z własnych dokumentów firmowych.
Szkolenie jest przeznaczone dla osób, które chcą zrozumieć kiedy self-hosting modeli AI ma sens biznesowy i techniczny — oraz wyjść z pierwszym działającym wdrożeniem we własnym środowisku.
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:2 dni (16h)
Kod kursu:AI/OPENSOURCE
Dostępne terminy szkolenia
Termin:
Termin gwarantowany
Trwają zapisy na szkolenie
Dostępne w Bazie Usług Rozwojowych
Oferta specjalna
online_paymentsTrener:
Cena:
2450 PLN netto
Lokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług Rozwojowychonline_paymentsTrener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług Rozwojowychonline_paymentsTrener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneModele open-source i lokalne — własny prywatny asystent AI
Cele szkolenia
Szkolenie wyjaśnia czym są modele open-source i lokalne LLM oraz kiedy self-hosting AI jest lepszym wyborem niż płatna subskrypcja usług chmurowych
Szkolenie uczy uruchamiania modeli AI lokalnie przy użyciu narzędzi takich jak LM Studio i Ollama bez konieczności znajomości programowania
Szkolenie pokazuje jak zbudować własny prywatny interfejs AI na bazie otwartych modeli oraz stworzyć firmowego asystenta AI działającego bez chmury
Szkolenie wprowadza w koncepcję RAG (Retrieval-Augmented Generation) oraz budowę asystenta wykorzystującego wiedzę z dokumentów organizacji
Szkolenie pomaga ocenić koszty, bezpieczeństwo, compliance oraz architekturę wdrożenia lokalnego AI i open source LLM w organizacji
Dla kogo?
Specjaliści IT i administratorzy rozważający wdrożenie lokalnego AI w organizacji
Liderzy techniczni i architekci oceniający opcje AI dla środowisk z restrykcjami danych
Menedżerowie i osoby decyzyjne chcące zrozumieć kiedy open-source wygrywa z subskrypcją
Entuzjaści AI chcący samodzielnie eksperymentować z lokalnymi modelami
Efekty kształcenia
Uczestnik uruchamia lokalny model AI na własnym sprzęcie przy użyciu narzędzi do self-hostingu bez konieczności pisania kodu
Uczestnik porównuje modele open-source, w tym Llama, Mistral, Qwen i DeepSeek, oraz dobiera odpowiedni model do konkretnego zastosowania biznesowego
Uczestnik konfiguruje własny interfejs do pracy z lokalnymi modelami AI wykorzystując rozwiązania takie jak Open WebUI i Ollama
Uczestnik buduje asystenta AI wykorzystującego RAG, który odpowiada na pytania z własnych dokumentów bez wysyłania danych do chmury
Uczestnik ocenia kiedy self-hosting AI jest uzasadniony kosztowo, technologicznie oraz compliance-owo w jego organizacji
Uczestnik analizuje ograniczenia, ryzyka bezpieczeństwa, kwestie GDPR oraz wyzwania związane z wykorzystaniem modeli open-source, w tym modeli chińskich
Wymagania
Podstawowa obsługa komputera i instalowanie oprogramowania
Własny komputer z odpowiednią mocą obliczeniową (patrz: wymagania instalacyjne)
Brak wymagań programistycznych — szkolenie nie wymaga pisania kodu
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
Szkolenie poprowadzi Piotr Buczek
Piotr Buczek to doświadczony menedżer i praktyk IT, który łączy ponad 15 lat doświadczenia w globalnych organizacjach z unikalnym zestawem kompetencji. W swojej pracy trenerskiej skutecznie integruje głęboką wiedzę techniczną z obszarów Cloud, Security, DevOps i całego cyklu życia oprogramowania (SDLC) ze strategicznym zarządzaniem produktem, zwinnością (Agile) i rozwiniętymi umiejętnościami miękkimi. Jako lider, który sam aktywnie programuje i testuje, potrafi dogłębnie zrozumieć technologię i…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
