AI modely Gemini v Pythonu: automatizace a vlastní AI aplikace
Zapojte umělou inteligenci do své práce: ovládněte modely Gemini z Pythonu, vylaďte je a nasaďte do vlastních aplikací. Náskok, který se počítá.
Vede Mgr. Miroslav Adámekdatový vědec a statistik · STATS LABO kurzu
Chcete, aby umělá inteligence pracovala pro vás – ne jen v chatovacím okně? Naučte se ovládat a ladit jazykové modely Gemini přímo z Pythonu a automatizujte komplexní úkoly, data mining i administrativní rutinu ve výzkumu i firmě.
V kurzu pro datové vědce, vývojáře a produktové manažery vás naučíme, jak využít Python pro ovládání Google jazykových modelů (LLMs), jak je správně vyladit a jak je nasadit do praxe. Po absolvování školení budete umět vytvořit vlastní model umělé inteligence a integrovat jej do vašich aplikací a systémů.
Procvičování probíhá na praktických příkladech v prostředí Python a Jupyter Notebook. Počítač vám zapůjčíme na místě, není třeba nosit vlastní.
Kurzem vás provede Mgr. Miroslav Adámek – datový vědec a statistik, STATS LAB.
Pro koho je kurz?
Python vývojáři a datová analytici
Ovládáte Python a chcete integrovat LLM do svých skriptů, nástrojů nebo analýz.
Výzkumníci a vědci
Potřebujete automatizovat zpracování textu, analýzu dokumentů nebo generování obsahu v Pythonu.
Produktoví a UX specialisté s Python znalostmi
Chcete postavit prototyp AI funkce bez závislosti na hotových no-code nástrojích.
Absolventi kurzu Python pro datovou analýzu
Ovládáte Pandas a chcete přidat AI jako další vrstvu nad datovou analýzu.
Předpoklady
Pro účast na kurzu je vhodné mít znalosti v rozsahu kurzu Základy programování v Pythonu (nejen) pro vědce.
Osnova kurzu
Úvod: základy velkých jazykových modelů a generování textu
- co jsou LLM a jak fungují transformátory
- stručná historie a vývoj LLM
- přehled praktických aplikací generativní AI
Prompt Engineering
- co je prompt engineering a jak vytvářet efektivní prompty
- ladění promptů podle potřeby a dopad různých parametrů na výsledky
- ukázky a praktická cvičení s prompty
- nejlepší postupy (best practices) pro optimalizaci interakce s LLM
Embeddings a vektorové databáze/úložiště
- co jsou embeddings, jejich geometrické vlastnosti a jak fungují vektorové databáze
- klasifikace, porovnávání dat a využití embeddings pro začlenění specializovaných dat
- praktické příklady použití embeddings ve spojení s LLM
AI agenti
- základy vývoje AI agentů, klíčové komponenty a iterativní proces jejich vytváření
- propojení agentů se stávajícími systémy a jejich zdokonalování pomocí fine tuningu
- příklad: vytvoření agenta LangGraph pro objednávky v kavárně
LLMs (velké jazykové modely) pro různé obory
- přehled specializovaných modelů, jako jsou SecLM a MedLM
- přizpůsobení LLM konkrétním oborům a zkušenosti datových vědců s jejich vývojem
- praktické ukázky nasazení doménově specifických LLM a základy vyladění vlastních modelů pro konkrétní aplikace
MLOps procesy pro generativní umělou inteligenci
- úvod do MLOps, jeho role v generativní AI a přizpůsobení postupů pro základní modely
- využití nástrojů, jako je Vertex AI, pro správu a nasazení modelů
- best practices a případové studie z reálné praxe
Váš lektor
Mgr. Miroslav Adámek
datový vědec a statistik
STATS LAB
Miroslav Adámek je datový vědec a statistik se specializací na matematické modelování a bayesovskou statistiku. Vystudoval matematicko-statistické a informační metody v ekonomických a přírodních vědách na Univerzitě Konstantina Filozofa v Nitře, kde se věnoval problematice neuronových sítí a fuzzy logiky. Na Slovenské akademii věd se podílel na výzkumných projektech v oblasti fyziky a chemie (např. na Monte Carlo simulacích kritických proudů v supravodičích).
Celý profil, vzdělání a publikaceCo dostanete
Co říkají absolventi
„Kurz mi dal pevné základy pro práci s Gemini API. Za týden po absolvování jsem nasadil RAG chatbot nad interní dokumentací firmy.“
„Function calling byl pro mě revelation – nikdy mě nenapadlo, jak elegantně lze propojit LLM s vlastním Python kódem. Kurz byl nabitý a praktický.“
Otázky k tomuto kurzu
Máte jinou otázku? Zavolejte nám nebo napište.
Google AI Studio nabízí bezplatnou úroveň API dostatečnou pro kurz. Připravte si Google účet – API klíč si nastavíme na začátku společně.
RAG (Retrieval-Augmented Generation) umožňuje modelu odpovídat na základě vašich vlastních dat – interních dokumentů, znalostní báze, PDF. Bez RAG model zná jen svůj tréninkový dataset.
Kurz se zaměřuje na programatickou integraci přes API – volání modelů z kódu, zpracování výsledků, automatizaci a nasazení. Webové rozhraní je pro ručné použití, API pro produkty a skripty.
Principy prompt engineeringu, embeddings, RAG i agentů jsou přenositelné mezi poskytovateli. Konkrétní SDK volání se liší, ale koncepty a kód jsou velmi podobné.
Je vhodné mít znalosti v rozsahu kurzu Základy programování v Pythonu (nejen) pro vědce – tedy orientovat se v Pythonu a práci s knihovnami. Není potřeba předchozí zkušenost s AI.
Prezenčně v našem školícím středisku 4D Center, Kodaňská 1441/46, Praha 10. Je dvoudenní a vedený prakticky v prostředí Python a Jupyter Notebook. Počítač vám zapůjčíme na místě.
Po absolvování vám vystavíme osvědčení. Aktuální cenu kurzu vidíte na této stránce. ; platba probíhá převodem oproti faktuře, kterou vystavíme na IČO a doplníme podklady pro grant či dotaci.
Termíny jsou průběžně doplňovány. Zanechte nám kontakt a informujeme vás, jakmile bude nový termín vypsán. Přihláška je nezávazná a po jejím odeslání se vám do 3 pracovních dnů ozveme.
Máte jinou otázku? Napište nám nebo zavolejte 602 284 038.
Příbuzné kurzy
14 900 Kč bez DPH
18 029 Kč s DPH
„Kurz mi dal pevné základy pro práci s Gemini API. Za týden po absolvování jsem nasadil RAG chatbot n…“
Ing. Jiří Mareček
Přihláška je nezávazná · odpovíme do 24 hodin · storno zdarma 14 dní předem
Lze hradit z grantů a firemního vzdělávání
Fakturujeme na IČ firmy nebo instituce. Pro granty (GA ČR, TA ČR, OP JAK) i programy firemního vzdělávání vystavíme všechny potřebné dokumenty.
Takhle to u nás vypadá
- 4D Center, Praha
- Počítač na místě
- Max. 10 účastníků
Cena kurzu
14 900 Kč bez DPH