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
:quality(80))
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.