AI+ Context Engineering Practitioner™

Ár 39 900 Ft + Áfa
E-learning Azonnal kezdhető
Időtartam 8 óra tananyag, önálló tempóban
Nyelv angol
Terület AI Development

Így tanulhatod

E-learning Azonnal kezdhető · 39 900 Ft + Áfa Megrendelem
Nyílt képzés Ebben a formában nem érhető el
Zártkörű céges Bármelyik képzésünk a csapatodnak Ajánlatot kérek

Kinek szól
Mit tartalmaz az ár
Tematika
A vizsgáról

Válassz formát

E-learning

Ár

39 900 Ft + Áfa

Ez az önálló, online forma ára; oktatóval tartott formában a képzés külön ajánlat alapján érhető el.

Pótvizsga 20 300 Ft + Áfa

Hol tanulsz az AI CERTs saját online platformján A vásárlás nálunk történik, a tananyaghoz és a vizsgához viszont az AI CERTs felületén kapsz hozzáférést. A hozzáférést a megrendelés visszaigazolása után e-mailben küldjük. A hozzáférés beállításához a nevedet és az e-mail-címedet átadjuk az AI CERTs részére.

Nincs meghirdetett időpont, bármikor elkezdheted
12 hónap hozzáférés a tananyaghoz

Megrendelem az önálló formát

Önálló tempójú online kurzus, a teljes tananyaggal
A hivatalos AI CERTs® vizsga
Digitális badge a sikeres vizsga után

Céges csoportnak zárt képzést tartunk. Ajánlatot kérek →

Áttekintés

Miről szól a képzés

A kurzus, a tananyag és a vizsga angol nyelvű.

Kontextusstratégia és -architektúra: Megtanulod, hogyan tervezz robusztus kontextusarchitektúrákat, amelyek túlmutatnak a promptokon. Kezeled az utasításokat, a memóriát, az eszközöket és a tudásbázist, hogy az AI viselkedése megbízható legyen a munkamenetek és a munkafolyamatok között.
Kontextustudatos AI-rendszerek építése: Gyakorlati készséget szerzel a kontextus-feldolgozósorok, a RAG-architektúra és a memóriarendszerek megvalósításában, amelyek megalapozott, pontos és költséghatékony AI-kimeneteket adnak.
Kontextuskezelés és -optimalizálás: Elsajátítod a Write-Select-Compress-Isolate (W-S-C-I) keretrendszert, amellyel szabályozod a relevanciát, csökkented a hallucinációkat, optimalizálod a tokenhasználatot, és hatékonyan skálázod az AI-rendszereket.
Vállalati szintű kontextusintegráció: Megtanulod, hogyan építsd be biztonságosan az AI-t a vállalati környezetbe szerepalapú hozzáféréssel, megfelelési korlátokkal, biztonságos memóriával és ütközésmentes kontextus-vezényléssel.
Jövőálló ügynök- és munkafolyamat-tervezés: Felkészülsz az AI következő hullámára: több ügynökből álló rendszereket, automatizált munkafolyamatokat és kontextusvezérelt architektúrákat tervezel, amelyek a modellek, az eszközök és a méret változásával is megbízhatóak maradnak.

Előfeltételek

A képzéshez szilárd alapok szükségesek az AI- és a gépi tanulási fogalmakban, jártasság a programozásban és az adatkezelésben, a felhőplatformok és az IoT-környezetek ismerete, valamint készség a kontextuális adatok, a memória és az eszközvezénylés tervezésére, kezelésére és optimalizálására.

Célcsoport

Kinek szól

AI-mérnökök és LLM-fejlesztők: Azoknak a szakembereknek készült, akik túllépnének az alapszintű prompt engineeringen, és éles üzemre kész, kontextustudatos AI-rendszereket terveznének RAG-gal, memóriával, eszközökkel és vezénylési mintákkal

Termékmenedzserek és AI-architektek: Azoknak a szakembereknek ajánljuk, akik megbízható AI-funkciók éles bevezetéséért felelnek, és akiknek a demókon túl a kontextus-feldolgozósorokat, a megalapozottságot, a költségkontrollt és a rendszerszintű tervezési kompromisszumokat is érteniük kell

Adat- és platformmérnökök: Azoknak a mérnököknek, akik vektoradatbázisokkal, beágyazásokkal, visszakereső rendszerekkel és AI-infrastruktúrával dolgoznak, és skálázható, hatékony, megbízható kontextusfolyamokat terveznének

Vállalati és megoldásarchitektek: Azoknak az architekteknek, akik szabályozott vagy nagyméretű környezetben építenek AI-rendszereket, és kezelniük kell a biztonságot, a megfelelést, a költségoptimalizálást és a több ügynök vezénylését

AI-tanácsadók és műszaki vezetők: Azoknak a szakembereknek, akik szervezeteknek adnak tanácsot az AI bevezetéséhez, és mélyen, gyakorlatiasan kell érteniük, miért a kontextus a valódi megkülönböztető tényező a modern AI-rendszerekben, nem pusztán a modell

Haladó no-code és automatizálásfejlesztők: Jó választás azoknak, akik n8n, Make vagy Zapier típusú eszközökkel dolgoznak, és megbízható AI-munkafolyamatokat, ügynökalapú rendszereket terveznének összetett infrastruktúrakód írása nélkül

Az árban

Mit tartalmaz az ár

Önálló tempójú online kurzus, a teljes tananyaggal
A hivatalos AI CERTs® vizsga
Digitális badge a sikeres vizsga után

Tananyag

Tematika

1. modul: A context engineering alapjai: bevezetés

1.1 Mi a context engineering (túl a prompt engineeringen)?
1.2 A promptolástól a kontextus-feldolgozósorokig: a 2025-ös paradigmaváltás
1.3 A kontextus négy építőeleme: utasítások, tudás, eszközök, állapot
1.4 Rövid és hosszú távú memória az LLM-rendszerekben
1.5 A context engineering előnyei: megalapozottság, relevancia, folytonosság, költségkontroll
1.6 Felhasználási eset: kontextustudatos utazási AI-asszisztens
1.7 Gyakorlat: rendszerutasítások és memóriaállapot tervezése szerepalapú AI-ügynökhöz

2. modul: Kontextuskezelési minták és technikák

2.1 A W-S-C-I-keretrendszer: Write, Select, Compress, Isolate
2.2 WRITE-stratégia: ügynökidentitás, perszóna, korlátok és állapot
2.3 SELECT-stratégia: pontos visszakeresés és metaadatszűrés
2.4 COMPRESS-stratégia: összegzés, tokenoptimalizálás, automatikus tömörítés
2.5 ISOLATE-stratégia: kontextushatárok, biztonság és fókusz
2.6 Haladó visszakeresési minták: hibrid keresés, szemantikus darabolás
2.7 Esettanulmány: a ChatGPT és a Claude memóriarendszerei
2.8 Gyakorlat: kontextuskiválasztás és -tömörítés megvalósítása LangChainnel / LlamaIndexszel

3. modul: Kontextus-feldolgozósorok, RAG és megalapozási architektúra

3.1 A teljes kontextus-feldolgozósor (bemenet → visszakeresés → tömörítés → összeállítás → válasz → frissítés)
3.2 A visszakereséssel kiegészített generálás (RAG) architektúrája részletesen
3.3 Vektoradatbázisok: Pinecone, Chroma és beágyazási modellek
3.4 Megalapozási hibák: hallucinációk, kontextusmérgezés, figyelemelterelődés
3.5 Hibacsökkentő technikák: újrarangsorolók, eredetkövetés, utólagos kontextusvizsgálat
3.6 Esettanulmány: az Anthropic Multi-Agent Researcher (MAR) rendszere
3.7 Gyakorlat: vektoros keresésre épülő, megalapozott válaszokat adó RAG-feldolgozósor építése

4. modul: Optimalizálás, skálázás és vállalati felkészültség

4.1 Tokengazdálkodás és költségoptimalizálás a kontextus-feldolgozósorokban
4.2 Kontextusskálázás és a Model Context Protocol (MCP)
4.3 Biztonság és megfelelés: személyes adatok szűrése, kitakarás, szerepalapú hozzáférés
4.4 Ütközésfeloldás és a kontextus konzisztenciája
4.5 Multimodális kontextus: szöveg, táblázatok, PDF-ek, videóátiratok
4.6 Esettanulmányok: a Walmart „Ask Sam” alkalmazása és a Morgan Stanley tudásasszisztense
4.7 Gyakorlat: szerepalapú kontextusszűrés és biztonságos visszakeresés megvalósítása

5. modul: Kontextusfolyam-tervezés üzleti felhasználóknak (no-code AI)

5.1 Üzleti folyamatok átültetése AI számára előkészített kontextusfolyamokba
5.2 Kontextusfolyam-diagramok (CFD) és automatizált munkafolyamat-architektúra (AWA)
5.3 A W-S-C-I vizuális megvalósítása no-code eszközökkel (n8n / Make / Zapier)
5.4 Kontextussablonok a következetességhez és a strukturált kimenetekhez
5.5 Felhasználási eset: dinamikus ügyfélbefogadási asszisztens
5.6 Esettanulmányok: az Airbnb ügyféltámogatás-automatizálása és a HSBC kkv-hitelezése
5.7 Gyakorlat: kontextusfolyam építése no-code vezényléssel

6. modul: Valós iparági kontextusalkalmazások

6.1 Context engineering szabályozott területeken
6.2 Egészségügy: klinikai döntéstámogatás és a védett egészségügyi adatok (PHI) elkülönítése
6.3 Pénzügy: piacelemzés, megfelelési összefoglalók és eszközalapú kontextus
6.4 Jog és oktatás: pontos visszakeresés és személyre szabott tanulási kontextus
6.5 Kockázatcsökkentés: kontextusmérgezés és kontextusütközés
6.6 Haladó ügynökmemória hosszú lefutású feladatokhoz
6.7 Esettanulmányok: az Activeloop (jog és szellemi tulajdon) és a Five Sigma (biztosítás)

7. modul: Többügynökös vezénylés és a jövő

7.1 A monolitikus ügynökök kudarcának oka: a kontextusrobbanás
7.2 Többügynökös rendszerek (MAS) és a kontextus elkülönítése
7.3 Ügynökszerepek: irányító, tervező, végrehajtó
7.4 Kontextustömörítés ügynökök között
7.5 Korlátok, irányítás és az ügynökök közötti biztonság
7.6 Etika, torzításcsökkentés és forráskövethetőség
7.7 Esettanulmányok: az IBM Watson Orchestrate és a vállalati kontextusvezénylők
7.8 Karrierutak: kontextusarchitekt és AI-irányítási szerepkörök

8. modul: Záróprojekt és tanúsítvány

8.1 A záróprojekt áttekintése: többügynökös, kontextustudatos rendszer
8.2 Megvalósítás: pénzügyi számításokat és szabályzat-RAG-ot kezelő lekérdezésirányító (n8n)
8.3 Bemutató, véleményezés és visszajelzés
8.4 Záróértékelés és az AI+ Context Engineering Practitioner™ tanúsítvány

Vizsga

A vizsgáról

50 Kérdés
90 perc Időkeret
70% Ponthatár

Online felügyelt vizsga

Kapcsolódó képzések

Ezek is érdekelhetnek

Összes képzés