EN | HU
BelépésKépzés
AI Champion képzés
12 alkalom alatt a csapatod a saját kódbázisán tanul meg LLM-alapú rendszereket építeni — nem demókat, hanem élesben futó megoldásokat.
12 modul~24 óraélő, Google Meetenmax 12 fő / csoportmagyar nyelven
Kinek szól
Fejlesztőcsapat, amelyik már ír kódot AI-jal, de nem tud rendszert építeni belőle
Tech lead / CTO, akinek architektúra-döntést kell hoznia
Termékcsapat, amelyik AI-funkciót szállít idén
Kinek nem
Aki még nem programozott — ez nem bevezető kurzus
Aki prompt-tippeket keres, nem mérnöki gyakorlatot
Aki nem tud heti 2 órát rászánni a feladatokra
Tematika
01
LLM-ek működése és haladó használata
Context engineering, promptolás mérnöki szemmel.
Gyakorlat: saját prompt-készlet verziózva, kiértékeléssel
2 óra
02
Modellválasztás és költségoptimalizálás
Tervezés erősebb modellel, közbülső lépések olcsóbbal; subscription vs. token.
Gyakorlat: költségmodell a saját use case-etekre
2 óra
03
Lokális és önhostolt modellek
Mikor éri meg, mikor nem — és mit veszítesz vele.
Gyakorlat: lokális modell bekötése a meglévő pipeline-ba
2 óra
04
MCP-szerverek és adatarchitektúra
Agens- és emberbarát adatelérési réteg tervezése.
Gyakorlat: MCP-szerver a saját API-tokra
2 óra
05
Agentek és orchestration
Több agent összehangolása, workflow-k, umbrella-repo mintázat.
Gyakorlat: két agent összehangolása egy valós folyamatra
2 óra
06
Kódszintű context engineering és skill-könyvtár
Repo- és mappaszintű CLAUDE.md, docstring-stratégia, újrahasználható skillek.
Gyakorlat: a céges skill-könyvtár első három skillje
2 óra
07
AI-támogatott fejlesztési pipeline
Jira-tiket → agent → PR, CI-alapú agentek, code review agent.
Gyakorlat: code review agent bekötése a saját CI-ba
2 óra
08
Determinisztikus guardrailek
Subagentek, hookok, reprodukálható agent-környezet.
Gyakorlat: hook-készlet, ami megakadályozza a tipikus hibát
2 óra
09
Agent monitoring és megfigyelhetőség
Minden lépés és döntés követése, monitoring agent.
Gyakorlat: trace-elt agent-futás, riasztással
2 óra
10
Biztonság és adatvédelem AI-alapú fejlesztésnél
PII-védelem, forráskódvédelem, AI-szolgáltatók adatkezelése.
Gyakorlat: adatáramlás-térkép és kockázati lista
2 óra
11
RAG és vector store-ok
Mikor kell keresés, és mikor elég a jó kontextus.
Gyakorlat: RAG-réteg kiértékeléssel, nem érzésre
2 óra
12
AI shadowing és use case felmérés
Hogyan döntsük el, mire kell; mely folyamatok automatizálhatók.
Gyakorlat: use case backlog prioritizálva, becsléssel
2 óra
Hogyan zajlik
01
Igényfelmérés
A tematikát a ti stackjéhez szabjuk.
02
Élő alkalmak
Heti 1,5–2 óra Google Meeten.
03
Feladatok saját repón
Kód-visszajelzés minden beadásra.
04
Vizsga és tanúsítvány
Számonkérés, nem részvételi papír.
Oktatók
Oktató neve
10 év backend, 3 év LLM-rendszerek élesben. Ő tartja a modul 1–6-ot.
portré · 400×400
Oktató neve
ML-mérnök, adatarchitektúra és kiértékelés. Modul 7–12.
portré · 400×400