Zbuduj lokalne rozwiązanie AI z Ollama, Open WebUI i RAG w trzy dni

Uruchom własny proces RAG i poznaj ryzyko wstrzykiwania poleceń podczas praktycznego hackathonu.

  • 3 dni

    Warsztat praktyczny

  • Ollama i Open WebUI

    Lokalne modele i interfejs w przeglądarce

  • Python i RAG

    Zbuduj proces przetwarzania danych

Dla kogo jest ten warsztat

Dla zespołów, które chcą pracować z lokalnymi modelami językowymi i zobaczyć, jak działa niewielka aplikacja AI. Uruchomisz model, skonfigurujesz interfejs i napiszesz kod. Wymagania i środowisko techniczne ustalimy przed rezerwacją.

Jeśli zespół potrzebuje wspólnych podstaw, zacznij od szkolenia z podstaw generatywnej AI. Jeśli chcesz dokładniej omówić API, integrację i wdrożenie, zobacz AI dla programistów.

Od uruchomienia modelu do własnego procesu RAG

Dopasowujemy kolejność i poziom szczegółowości ćwiczeń do grupy.

Korzystaj z Ollama

Uruchom lokalny model językowy i zobacz, jak działa w środowisku warsztatowym.

Skonfiguruj Open WebUI

Zainstaluj interfejs i używaj go do pracy z modelem.

Pisz w Pythonie

Korzystaj z Pythona w ćwiczeniach i w budowanym rozwiązaniu.

Zbuduj proces RAG

Połącz dokumenty, wyszukiwanie i odpowiedź modelu w jednym krótkim ćwiczeniu.

Zrozum wstrzykiwanie poleceń

Sprawdź, jak dane wejściowe mogą wpływać na instrukcje i jakie są ograniczenia poleceń systemowych.

Sprawdź swoje rozwiązanie podczas krótkiego hackathonu

W środowisku ćwiczeniowym oceń, kiedy system przestrzega instrukcji, i omów z grupą wyniki.

Co zrobisz na warsztacie

  • Uruchomisz model w Ollama.

  • Skonfigurujesz Open WebUI i skorzystasz z modelu.

  • Zbudujesz proces RAG w Pythonie.

  • Przeprowadzisz i omówisz testy wstrzykiwania poleceń w środowisku ćwiczeniowym.

Dalsza samodzielna praca zależy od doświadczenia i praktyki uczestników. Użycie produkcyjne wymaga osobnej oceny i zatwierdzenia.

Sprawdź, jak zachowuje się system

Podczas hackathonu sprawdzisz, jak system ćwiczeniowy obsługuje polecenia i dostęp do chronionych informacji. Z góry ustalamy środowisko i dopuszczone materiały. Wspólnie omawiamy wyniki i otwarte pytania.

Ochrona danych zależy również od konfiguracji systemu lokalnego. Przed szkoleniem ustalamy modele, funkcje i przepływy danych. Przewodnik po kontroli nad danymi w AI omawia te decyzje bardziej szczegółowo.

Co ustalamy przed zajęciami

Ćwiczenia i środowisko dopasowane do grupy.

  • Role i doświadczenie

    Kto uczestniczy, jakie ma doświadczenie z Pythonem i AI i jak daleko chce zajść.

  • Przygotowanie techniczne

    Urządzenia, instalacja, dostęp i zatwierdzone modele. Ustalamy, co przygotować przed warsztatem.

  • Ćwiczenia i dane

    Przykłady, dostępne dokumenty i zasady środowiska ćwiczeniowego.

  • Forma i zakres

    Trzy dni warsztatu. Oferta obejmuje terminy, liczebność grupy, materiały, wsparcie i cenę.

Uczy na podstawie własnych wdrożeń

Portret Martina Koguta

Martin Kogut

Założyciel, konsultant AI i trener

Martin Kogut jest programistą i założycielem hypescale w Berlinie. Uczy pracy z lokalnymi modelami, Ollama, Open WebUI i Pythonem, budowania procesów RAG oraz oceny ryzyka wstrzykiwania poleceń.

  • Lokalne modele językowe
  • Ollama
  • Open WebUI
  • Python
  • RAG
  • Wstrzykiwanie poleceń

Pytania o warsztat z lokalnych modeli językowych

Co dalej

Jeśli chcesz pracować z firmową wiedzą, zobacz firmowe bazy wiedzy AI i RAG. Jeżeli szukasz szerszego programu, zobacz wszystkie szkolenia AI. Jak zespół przeszedł od szkolenia do oceny narzędzi, pokazuje Realizacja dla Carano.

Zaplanujmy warsztat dla Twojego zespołu

Powiedz nam, kto weźmie udział, jakie ma doświadczenie i z jakich narzędzi korzysta. Dopasujemy trzy dni zajęć do grupy.