Szkolenie: Spring AI – sztuczna inteligencja w Spring Boot
Szkolenie „Spring AI — zastosowanie sztucznej inteligencji w aplikacjach Spring Boot” pokazuje, jak łatwo połączyć modele językowe i wektorowe bazy danych z aplikacjami tworzonymi w Springu. Uczestnicy poznają bibliotekę Spring AI i uczą się budować nowoczesne funkcje, takie jak czat-boty, wyszukiwanie semantyczne czy automatyzacja zadań za pomocą inteligentnych agentów. Wszystko w praktycznej formie warsztatowej.
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:2 dni (16h)
Kod kursu:SPRING/AI
Dostępne terminy szkolenia
Termin:
Trener:
Cena:
2150 PLN netto
Lokalizacja:
ZdalneSpring AI – sztuczna inteligencja w Spring Boot
Cele szkolenia
Poznanie modułów Spring AI: nauka pracy z komponentami Chat, Embeddings, Vector Store w kontekście integracji AI z backendem opartym na Spring Boot
Tworzenie i testowanie promptów: rozwijanie umiejętności prompt engineeringu w środowisku backendowym – klucz do wydajnych i spersonalizowanych rozwiązań AI
Embeddingi i wyszukiwanie wektorowe: implementacja modelowania semantycznego i wektorowych baz danych (Vector Store), z naciskiem na wykorzystanie embeddingów w aplikacjach biznesowych
Budowa systemów RAG (Retrieval-Augmented Generation): tworzenie inteligentnych usług AI z pamięcią podręczną, oceną jakości odpowiedzi i automatycznym pozyskiwaniem kontekstu
Automatyzacja z agentami AI: projektowanie backendowych agentów AI do wykonywania złożonych zadań oraz ich integracja z procesami aplikacji Spring Boot
Dla kogo?
Programistów Java/Spring chcących dodać AI do swoich aplikacji
Architektów projektujących usługi oparte na danych i sztucznej inteligencji
Developerów integrujących ChatGPT, Mistral, Ollama i inne LLM-y w firmach
Zalety
Nauka pracy z aktualną wersją Spring AI w praktyce - Szkolenie skupia się na najnowszej wersji Spring AI, z naciskiem na realne scenariusze wdrożeń. Uczestnicy nauczą się, jak wykorzystać moduły takie jak Chat, Embeddings i Vector Store w środowisku Java + AI, w tym jak skutecznie integrować duże modele językowe (LLM) z aplikacjami backendowymi
Przykładowe projekty rozwijane podczas warsztatów - Każdy uczestnik weźmie udział w praktycznych warsztatach z AI, podczas których stworzy własne mini-aplikacje, m.in. z wykorzystaniem wyszukiwania wektorowego, embeddingów, czy architektury RAG (Retrieval-Augmented Generation). Zajęcia oparte są na podejściu „learning by doing”
Praktyczne podejście do promptów i testowania LLM-ów - Szkolenie zawiera elementy prompt engineeringu, czyli sztuki pisania i testowania skutecznych promptów w celu uzyskania precyzyjnych wyników z LLM-ów. Uczestnicy poznają metody oceny jakości odpowiedzi i nauczą się, jak iteracyjnie udoskonalać zapytania w środowisku Spring Boot + AI
Omówienie rzeczywistych problemów i wyzwań z wdrażania AI - Warsztaty obejmują analizę wyzwań integracyjnych, kosztowych i bezpieczeństwa, jakie pojawiają się przy wdrażaniu AI w środowiskach produkcyjnych. Uczestnicy zyskają wiedzę, jak projektować niezawodne i skalowalne rozwiązania z użyciem agentów AI, jak monitorować koszty API oraz jak unikać typowych pułapek przy implementacji nowoczesnych usług AI
Wymagania
Dobra znajomość języka Java oraz Spring Boot
Ogólne pojęcie o dużych modelach językowych będzie pomocne, ale nie jest wymagane
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
Wprowadzenie do Spring AI
Architektura i kluczowe komponenty Spring AI
Konfiguracja środowiska i przygotowanie projektu
Praca z promptami i czatem
Podstawy interakcji z czatem
Role na poziomie czatu i ich znaczenie w interakcjach z AI
Strategie tworzenia promptów (zero-shot, few-shot, chain-of-thought)
Szablony promptów
Struktura i formatowanie odpowiedzi
Strumieniowanie rezultatów
Kontekst konwersacji
Advisors API
Embeddingi i bazy wektorowe
Czym są embeddingi i w jaki sposób reprezentują znaczenie tekstu
Masowe przetwarzanie dokumentów i wyszukiwanie semantyczne
Filtrowanie wyników z uwzględnieniem metadanych
Aktualizacja danych oraz wersjonowanie bazy embeddingów
Retrieval-Augmented Generation (RAG)
Łączenie wiedzy z dokumentów z odpowiedziami generowanymi przez AI
Sposoby dzielenia dokumentów na fragmenty i ich wpływ na jakość wyników
Łączenie klasycznych algorytmów wyszukiwania z embeddingami
Cache’owanie odpowiedzi w celu zwiększenia wydajności i trafności
Metody oceny jakości odpowiedzi modeli językowych
Praca z multimodalnymi danymi
Generowanie obrazów na podstawie opisów tekstowych
Rozpoznawanie i opisywanie zawartości obrazów
Przetwarzanie mowy – zamiana głosu na tekst i odwrotnie
Funkcje zewnętrzne i integracja
Funkcje jako sposób na wykorzystanie narzędzi zewnętrznych
Integracja w oparciu o Model Context Protocol
Monitorowanie kosztów / wykorzystania tokenów
Integracja z API: OpenAI, Ollama, Gemini, LM Studio, Docker Model Runner oraz innymi
Autorem szkolenia jest Łukasz Andrzejewski
Od ponad 17 lat z pasją dzielę się wiedzą jako trener, wspierając rozwój kompetencji technologicznych wśród specjalistów IT na różnych etapach ich kariery. W ostatnich 5 latach przeszkoliłem ponad 2000 osób, prowadząc szkolenia zarówno otwarte, jak i dedykowane, dla czołowych firm z sektorów bankowości, ubezpieczeń i IT – m.in. Santander Bank Polska, ERGO Hestia, Asseco Poland oraz Orange. Specjalizuję się w szerokim zakresie technologii – od rozwiązań z ekosystemu Java, przez nowoczesny frontend,…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
