Úvod do strojového učení a pokročilé techniky LLM (AILLM)

Umělá Inteligence, AI pro vývojáře

Kurz Úvod do strojového učení a pokročilé techniky LLM vás naučí pracovat s moderními AI nástroji, jako jsou velké jazykové modely (LLM), systém Ollama a LangChain. Zjistíte, jak funguje strojové učení a jak se liší od hlubokého učení, naučíte se nasazovat a optimalizovat LLM modely lokálně i v cloudu a objevíte možnosti AI pro generování textu, analýzu dat a programování. Získáte praktické dovednosti, které vám umožní efektivně využít umělou inteligenci ve vlastních projektech.

TOTO ŠKOLENÍ VÁM POMŮŽE:

  • Naučit se efektivně pracovat s velkými jazykovými modely (LLM) a využívat je pro automatizaci a analýzu dat
  • Seznámit se s technologiemi Ollama a LangChain a naučit se je integrovat do aplikací
  • Porozumět principům strojového učení a zjistit, jak je využít v reálných projektech
  • Získat praktické zkušenosti s používáním RAG (Retrieval-Augmented Generation) pro zlepšení odpovědí AI modelů
  • Navrhnout, vytvořit a implementovat vlastního ChatBota

KDO BY SE MĚL KURZU ZÚČASTNIT?

  • Vývojáři a softwaroví inženýři, kteří chtějí integrovat LLM modely do svých aplikací a automatizovat úkoly pomocí AI
  • IT profesionálové a technické týmy, které hledají způsoby, jak využít umělou inteligenci v praxi

KDE A KDY KURZ PROBÍHÁ?



Toto školení nabízíme pro veřejnost výhradně online. Výuku absolvujete vzdáleně, bez nutnosti cesty do učebny. Stejný kurz však můžeme realizovat také prezenčně jako privátní školení u vás ve firmě.
U technicky náročnějších kurzů máte k dispozici připravené vzdálené laby, takže není nutné si cokoliv instalovat – stačí se připojit a soustředit se na výuku.
VirtualPro (online)
Privátní školení

Odemkněte potenciál svých zaměstnanců. Každé školení z naší nabídky přizpůsobíme konkrétním cílům i lidem.
Potřebujete školení přímo u vás ve firmě, nebo upravit obsah a délku na míru? ICT Pro je ideální řešení. Školit můžeme také v angličtině.

Poptat kurz na míru

Náplň kurzu:

Skrýt detaily
  • Úvod do strojového učení
    1. Definice a význam strojového učení
    2. Klíčové pojmy a terminologie
  • Strojové učení vs. hluboké učení
    1. Rozdíly mezi tradičním strojovým učením a hlubokým učením
    2. Případy použití pro jednotlivé přístupy
  • Velké jazykové modely (LLM: Large Language Model)
    1. Úvod do LLM, definice pojmu
    2. LLM – teoretický přehled (aplikace a výhody LLM, neuronová síť na bázi transformátorů, jak trénovat na velkých datech, parametry modelu - čím větší, tím chytřejší?)
  • Co umí LLM?
    1. Generování textu – psaní článků, esejí, básní, skriptů, kódu
    2. Překlady a jazyková analýza – zlepšení kvality automatických překladů
    3. Chatboti a virtuální asistenti – například ChatGPT, Claude, Gemini
    4. Shrnování a analýza dat – LLM mohou analyzovat dokumenty a extrahovat důležité informace
    5. Programování – dokážou generovat a opravovat kód v různých jazycích
  • Úvod do systému Ollama
    1. Průvodce krok za krokem instalací systému Ollama
    2. Řešení běžných problémů s instalací
  • Požadavky na hardware a software
    1. Systémové specifikace pro provoz systému Ollama
    2. Kompatibilita s různými operačními systémy
  • Lokální spouštění modelů LLM
    1. Nastavení místního prostředí pro modely LLM
    2. Osvědčené postupy pro místní nasazení
  • GPU akcelerace
    1. Výhody použití GPU pro úlohy strojového učení
    2. Konfigurace akcelerace GPU v aplikaci Ollama
  • Použití Ollama s Pythonem
    1. Úvod do integrace Ollama s Pythonem
    2. Hlavní výhody a případy použití
  • Rozhraní REST API
    1. Porozumění rozhraní REST API poskytované společností Ollama
    2. Volání API z jazyka Python
  • Knihovny jazyka Python
    1. Základní knihovny Pythonu pro práci s Ollama
    2. Příklady běžných úloh využívajících tyto knihovny
  • Úvod do LangChain
    1. Co je LangChain?
    2. Klíčové vlastnosti a výhody
  • Použití řetězce LangChain z jazyka Python
    1. Nastavení systému LangChain v prostředí Python
    2. Základní operace a příklady
  • Použití LangChain s Ollama
    1. Integrace LangChain s Ollama pro rozšíření funkcí
    2. Praktické případy použití a ukázky
  • Šablony promptů
    1. Vytváření a používání šablon promptů v systému LangChain
    2. Osvědčené postupy pro účinné prompty
  • Formátování a zpracování výstupů
    1. Techniky formátování a zpracování výstupů z LangChain
    2. Zpracování různých typů výstupních dat
  • Zavedení RAG (Retrieval-Augmented Generation)
    1. Co je to RAG?
    2. Jak rozšiřuje možnosti LLM
  • Načítání dokumentů pomocí LangChain a Ollama
    1. Techniky pro načítání a správu dokumentů v systémech LangChain a Ollama
    2. Osvědčené postupy pro manipulaci s dokumenty
  • Embeddings
    1. Pochopení embeddings v kontextu RAG
    2. Vytváření a efektivní používání vnořených prvků
  • Ukázkové použití ChatBota
    1. Úvod do tvorby aplikace chatbot
    2. Klíčové součásti a architektura
  • Kroky implementace
    1. Průvodce krok za krokem k vytvoření chatbota pomocí Ollama, LangChain a RAG
    2. Integrace různých modulů pro ucelené řešení
  • Testování a nasazení
    1. Testování funkčnosti a výkonu chatbota
    2. Nasazení chatbota v různých prostředích
Předpokládané znalosti:
Základy programování.
Časový rozvrh:
2 dny (9:00-17:00)
Cena za osobu:
11 900,00 Kč (14 399,00 Kč včetně 21% DPH)

Klíčové výhody Ollama

  • Soukromí a bezpečnost – Data zůstávají na vašem zařízení, což zajišťuje vyšší úroveň ochrany citlivých informací.
  • Nižší latence – Lokální zpracování eliminuje potřebu komunikace s externími servery, což vede k rychlejší odezvě aplikací.
  • Kontrola nad výpočetními zdroji – Uživatelé mohou optimalizovat výkon podle svých potřeb a přizpůsobit nastavení specifickým požadavkům.
  • Offline přístup – Ollama umožňuje provoz AI modelů bez nutnosti připojení k internetu, což je ideální pro prostředí s omezeným připojením.
  • Podpora GPU akcelerace – Pro náročnější úlohy lze využít grafickou kartu k urychlení zpracování modelů.

Systémové požadavky:

  • Operační systém: macOS nebo Linux (verze pro Windows je ve vývoji).
  • Paměť (RAM): Minimálně 8 GB, doporučeno 16 GB a více.
  • Úložiště: Minimálně 10 GB volného místa.
  • Procesor: Moderní CPU z posledních 5 let; doporučuje se Apple Silicon (M1, M2 nebo M3 série).

Vybrané zákaznické reference

Siemens, s.r.o., Pavel S.
Úvod do strojového učení a pokročilé techniky LLM ( AILLM)
"Tento kurz je presne to, co jsem hledal. Tech par drobnych technickych problemu mi nevadilo, to se stane vzdycky a vsude... Chvalim, dekuji. ;-)"
Siemens, s.r.o., Michal B.
Úvod do strojového učení a pokročilé techniky LLM ( AILLM)
"Bylo to hodne naslapane. Na praktickou cast by chtelo mit vice casu. Informacne i prezentacne super. Zkratit/zjednodusit prakticke ulohy nebo natahnout na 2 dny."