Ingyen AI kurzusok

Claude-alapok a mindennapi munkafeladatokhoz, alapvető funkciókkal.

AI-vel való hatékony, etikus együttműködés alapjai.

Claude API teljes spektruma, fejlesztőknek.

MCP-szerverek és -kliensek Pythonban: eszközök, erőforrások, promptok.

Haladó MCP: sampling, notifications, transport.

A Claude Code integrálása fejlesztői workflow-ba.

Skillek létrehozása, konfigurálása és megosztása a Claude Code-ban.

Az AI-ismeretek fejlesztése oktatói és intézményi stratégiai kontextusban.

GenAI alapok: mi az, mire jó, miben különbözik a hagyományos ML-től.

LLM-ek alapjai, felhasználási területek, prompt tuning.

Felelős AI alapjai, Google megközelítése.

Prompttervezés a Vertex AI-ban, gyakorlati feladatokkal.

A GenAI alapfogalmaitól a felelős AI alapelveiig, bevezető tanulási út.

AI-alapfogalmak, ML, neurális hálók és gyakorlati AI, több mint 2 millió tanulóval.

Python-alapú ML gyakorlat, AI-alkalmazások építése.

LLM finomhangolás, PEFT, RLHF, deploy – AWS laborokkal.

Andrew Ng klasszikus ML kurzusa, 3 részes, teljes körű.

Nem technikai AI bevezető, szervezeti alkalmazás, Andrew Ng.

GenAI gyakorlati alkalmazása mindenki számára, Andrew Ng.

Bevált módszerek prompt engineeringhez és LLM API-alapú alkalmazások fejlesztéséhez.

Többlépéses LLM rendszerek építése: classification, routing, evaluation az OpenAI API-val.

LangChain alapok: chain-ek, memória, agent-ek, tool use; Harrison Chase tanítja.

RAG megvalósítás LangChain-nel: document loaderek, text splitterek, vector store-ok.

21 leckés nyílt tananyag A GenAI alapjaitól az agentekig, Python + TS.

18 részes videósorozat a Cloud Advocates csapatától, a GenAI alapjairól.

24 leckés teljes AI tananyag, TensorFlow és PyTorch, valamint etika.

LLM-ek, promptok és AI agent-ek alapjai; interaktív gyakorlattal.

Kurált AI tanulási utak: Azure AI, Copilot, agentek; technikai és üzleti szerepkörökre bontva.

Gráfkeresés, ML, reinforcement learning, NLP, Python projektek.

MIT éves bootcamp, deep learning, LLM, GenAI, nyílt forrású videókkal.

Generatív AI-fogalmak, LLM-ek működése, alkalmazási területek áttekintése.

LLM-ek és NLP a HF ökoszisztémával: Transformers, Datasets, Tokenizers, fine-tuning.

AI-agentek építése és telepítése a Hugging Face eszköztárával.

Model Context Protocol tanfolyam; agentek és eszközök integrációja.

Jeremy Howard kurzusa: deep learning a gyakorlatban, PyTorch, fastai, Hugging Face; programozási tapasztalat ajánlott.

A mélytanulás alapjaitól a Stable Diffusionig; haladó szintű kurzus, matematikai háttérrel.

Az ML alapfogalmai, első modellek építése; gyakorlati notebookok.

Missing values, data leakage, nem numerikus adatok kezelése.

Neurális hálók TensorFlow-val és Keras-szal; strukturált adatokra.

AI etika gyakorlati eszközei; bias, fairness, responsible AI.

Saját tempóban végezhető intenzív generatív AI-kurzus Google partnerséggel; LLM-ek, prompting, alkalmazások.

Saját tempóban végezhető AI-agent kurzus Google partnerséggel; agent architektúrák, tool use.

AI alapok: NLP, ML, etika; IBM digitális badge a teljesítésért.

AI-alapok nem technikai közönségnek: ML, deep learning, kockázatok, karrierutak.

Multi-agent rendszerek tervezése és implementálása 4 keretrendszerrel; IBM-partner kurzus.

ChatGPT képzések, webinárok, erőforrások; cert program tervben (2025/2026 pilot).

LangGraph alapok: gráfalapú agent-workflow-k és gyakorlati feladatok; Harrison Chase.

Az Amazon Bedrockra épülő prompt engineering alapjai; ingyenes digitális kurzus.

Prompt engineering Claude-dal, AWS-környezetben.

Andrew Ng Stanfordon tartott ML-kurzusa; teljes előadássorozat, erős matematikai előismeretekkel.

9 fejezet a kezdőtől a haladó szintig; Jupyter-notebookok, Claude API gyakorlatok.