AI w praktyce – od podstaw do własnego automatyczneog procesu

O szkoleniu

Jak skutecznie korzystać ze sztucznej inteligencji i wyjść poza proste rozmowy z ChatGPT?

Podczas szkolenia przejdziemy od podstaw działania modeli AI, przez techniki promptowania i zarządzania kontekstem, aż po tworzenie agentów i organizowanie ich pracy. Szkolenie łączy teorię z praktycznymi przykładami i demonstracjami. Skupimy się na rozwiązaniach, które można wykorzystać w codziennej pracy - zarówno do prostych zadań, jak i bardziej złożonych procesów wymagających planowania, analizy i współpracy wielu agentów. W czasie kursu będziemy wykorzystywać zarówno dostępne rozwiązania online (np. GPT) jak i rozwiązania korzystające z Visual Studio Code (Codex, Claude).

Czas trwania: około 8 godzin, podzielonych na dwa segmenty.

Program szkolenia

Część I – Podstawy AI i skuteczne promptowanie

1. Wprowadzenie do AI

   • Krótka historia i podstawy działania modeli językowych.
   • Możliwości, ograniczenia i najczęstsze nieporozumienia dotyczące AI.
   • Tokeny, okno kontekstowe i koszty korzystania z modeli.

2. Promptowanie - jak skutecznie komunikować się z AI?

   • Składowe dobrego promptu.
   • Techniki promptowania: few-shot, role prompting, step-back, meta-prompting i inne (razem przejdziemy przez ponad 10 technik omawiając ich słabe i mocne strony).
   • Projektowanie i optymalizacja instrukcji dla AI.
   • Łączenie promptów w bardziej złożone, zależne od siebie procesy.

3. Od promptu do agenta

   • Czym agent różni się od zwykłego czatu?
   • Projektowanie instrukcji i zakresu działania agenta w środowisku czatowym oraz używając VSC.
   • Tworzenie prostego agenta w środowisku czatowym od zera na przykładzie GPT.

4. Zarządzanie kontekstem (Context Engineering) - część 1

   • Czym jest kontekst i dlaczego wpływa na jakość odpowiedzi?
   • Organizowanie instrukcji, wiedzy, dokumentów i pamięci.

5. Techniki i architektury agentowe

   • Pętle agentowe: ReAct, Plan and Execute, Reflection.
   • Planowanie, wykonywanie zadań i kontrola rezultatów.
   • Autonomia agentów i nadzór nad ich działaniem.

Część II – Agenci, kontekst i organizacja pracy z AI

6. Organizacja pracy agentów

   • Podział zadań na etapy.
   • Praca sekwencyjna, równoległa i routing.
   • Orkiestracja wielu agentów i wzorce współpracy.

7. Zarządzanie kontekstem (Context Engineering) - część 2

   • Dobór, kompresja i izolacja informacji.
   • Projektowanie kontekstu dla dłuższych i bardziej złożonych zadań.

8. Kontrola i weryfikacja wyników

   • Projektowanie struktury odpowiedzi i formatów wyjściowych.
   • Weryfikacja informacji, wykrywanie błędów i ograniczanie halucynacji.
   • Wykorzystanie AI do oceny i poprawiania wyników innych modeli.

9. Narzędzia i praktyczne zastosowania

   • Praca z dokumentami i wyszukiwaniem informacji.
   • Wykorzystanie narzędzi zewnętrznych przez agentów.
   • Przykłady zastosowań AI w analizie, researchu i automatyzacji pracy.

10. Przykłady zastosowań

    • Drugi mózg - czyli jak zbudować własną, automatycznie uzupełniającą się wikipedie?
    • Prace koncepcyjne - od pomysłu do testów w kilka minut.
    • Własne oprogramowanie, jak zaoszczędzić pieniądze tworząc rozwiązania lokalne?