Praktyczne szkolenie, po którym uczestnicy potrafią świadomie dobrać model do sprzętu i zadania, uruchomić go lokalnie oraz wykorzystać przez API w działającej integracji.
więcej →Program, termin i format dostosujemy do Twojego zespołu
Na podany adres e-mail będziesz otrzymywać informacje o pojawiających się terminach gwarantowanych szkolenia Ollama i lokalne modele LLM dla programistów - od własnego laptopa do serwera API.
Z powiadomień możesz wypisać się w dowolnym momencie.
To szkolenie można zorganizować w formie zamkniętej — z programem dopasowanym do potrzeb Twojego zespołu, w uzgodnionym terminie i formacie.
Każde zapytanie do modelu w chmurze to Twoje dane na cudzym serwerze i rachunek, który rośnie razem z ruchem. Przy części zadań - klasyfikacji zgłoszeń, ekstrakcji danych z dokumentów, generowaniu danych testowych - to koszt i ryzyko ponoszone bez powodu, bo model, który do tego wystarczy, zmieściłby się na sprzęcie, który już masz.
To szkolenie prowadzi od decyzji do działającej integracji. Zaczynasz od pytania, czy lokalnie w ogóle ma u Ciebie sens, i uczysz się rozstrzygać je danymi zamiast modą. Potem szacujesz, jaki model i jak długi kontekst uciągnie konkretny komputer, uruchamiasz usługę Ollama, składasz własny profil zadania w Modelfile, wołasz model z kodu przez natywne API i przez endpoint zgodny z OpenAI, wymuszasz odpowiedzi zgodne ze schematem i podpinasz model do swojego IDE.
Drugiego dnia kończysz z działającym mini-projektem: klasyfikatorem zgłoszeń od wejścia API po zwalidowany wynik, z kartą modelu i pomiarem jakości na własnym zestawie testowym. To nie jest demo do wyrzucenia po szkoleniu, tylko szkielet, który rozwijasz u siebie.
Program nie sprzedaje bajki, że lokalnie automatycznie znaczy prywatnie i tanio. Pokazuje, gdzie naprawdę wędrują dane przy integracji z IDE i agentami, jak licencja modelu potrafi wykluczyć zastosowanie komercyjne i kiedy Ollama przestaje być właściwym serwerem. Omawiamy też kontenery i GPU, bezpieczne wystawienie API poza localhost, benchmark współbieżności, porównanie z llama.cpp i vLLM oraz decyzja o architekturze hybrydowej.
Pełne wykonanie ćwiczeń wymaga podstawowej swobody w terminalu oraz podstaw programowania i korzystania z API. Szkolenie nie jest kursem programowania od zera. Uczestnicy bez tych podstaw mogą skorzystać z części demonstracyjnej, ale nie wykonają samodzielnie wszystkich laboratoriów integracyjnych.
Uczestnik po szkoleniu:
Cel: dobrać sposób uruchomienia modelu do danych, zadania, sprzętu i wymagań organizacji, bez zakładania, że lokalnie zawsze znaczy lepiej lub bezpieczniej.
Ćwiczenie: "Macierz lokalnie czy chmura" - uczestnik ocenia trzy scenariusze firmowe według danych, jakości, sprzętu, licencji, utrzymania i ryzyka, a następnie uzasadnia wybraną architekturę.
Cel: oszacować, jaki model i kontekst mają szansę działać na konkretnym komputerze oraz rozumieć kompromisy między jakością i wymaganiami sprzętowymi.
Ćwiczenie: "Karta profilu sprzętowego" - uczestnik opisuje własny laptop, wyznacza bezpieczny profil modelu i kontekstu oraz zapisuje plan awaryjny dla słabszej konfiguracji.
Cel: uruchomić kompletne lokalne środowisko, zarządzać modelami i potwierdzić, gdzie wykonywana jest inferencja.
Ćwiczenie: "Pierwsze uruchomienie i trasa danych" - uczestnik uruchamia usługę lokalną, korzysta z modelu przez CLI i aplikację (GUI), sprawdza aktywny proces oraz dokumentuje, czy zapytanie pozostało lokalne.
Cel: utworzyć własną, powtarzalną konfigurację modelu i przetestować wpływ parametrów na wynik.
Ćwiczenie: "Lokalny klasyfikator zgłoszeń" - uczestnik tworzy w Modelfile profil klasyfikujący fikcyjne zgłoszenia, uruchamia serię testów i zapisuje wynik w karcie modelu.
Rezultat dnia: działająca lokalna usługa Ollama, karta profilu sprzętowego, dobrany model bazowy oraz własny, przetestowany profil zadania w Modelfile.
Cel: wywołać lokalny model z kodu i świadomie wybrać interfejs API odpowiedni dla aplikacji.
Ćwiczenie: "Jedno zapytanie, dwa interfejsy" - uczestnik wysyła to samo zadanie przez natywne API i interfejs zgodny z OpenAI, porównuje odpowiedzi i obsługę błędów oraz zapisuje minimalny klient API.
Cel: uzyskać dane zgodne ze schematem i bezpiecznie obsłużyć pojedyncze wywołanie lokalnej funkcji.
Na słabszych profilach uczestnik wykonuje samodzielnie część dotyczącą ustrukturyzowanych odpowiedzi, a wywołanie narzędzia obserwuje na wcześniej zweryfikowanym modelu demonstracyjnym prowadzącego.
Ćwiczenie: "Ekstraktor i kalkulator" - uczestnik wydobywa dane z fikcyjnego opisu do walidowanego JSON, a następnie pozwala modelowi wywołać jedną lokalną funkcję obliczeniową z kontrolą argumentów.
Cel: połączyć lokalny model z aktualnym narzędziem programistycznym i ocenić rzeczywisty przepływ danych oraz ograniczenia integracji.
Zakres integracji jest potwierdzany podczas próby generalnej przed każdą edycją. Funkcje eksperymentalne lub niedostępne w środowisku grupy są prezentowane przez prowadzącego albo zastępowane integracją przez stabilny endpoint API.
Ćwiczenie: "Lokalny agent w repozytorium testowym" - uczestnik podłącza obsługiwane IDE lub narzędzie CLI do Ollama, wykonuje ograniczone zadanie na przykładowym repozytorium i sprawdza konfigurację endpointu oraz trasę danych.
Cel: połączyć konfigurację modelu, API, walidację i pomiar w małej aplikacji możliwej do dalszego rozwijania po szkoleniu.
Ćwiczenie: "Klasyfikacja zgłoszeń od wejścia do wyniku" - uczestnik buduje i uruchamia mini-projekt, testuje go na przygotowanym zestawie danych oraz dołącza kartę modelu z oceną jakości, pamięci i zastosowania.
Rezultat dnia: minimalny klient API, walidowane odpowiedzi strukturalne, sprawdzona integracja z narzędziem programistycznym oraz działający mini-projekt klasyfikacji zgłoszeń z kartą modelu.
Cel: uruchomić powtarzalne środowisko kontenerowe i rozumieć warunki przekazania GPU do kontenera.
Ćwiczenie: "Ollama w powtarzalnym stosie" - uczestnik uruchamia przygotowany stos Docker Compose, potwierdza dostępność modelu i zapisuje procedurę odtworzenia środowiska.
Cel: zaprojektować i przetestować warstwę ochronną przed udostępnieniem Ollama poza localhost.
Ćwiczenie: "API za bramą" - uczestnik umieszcza lokalny endpoint za przygotowanym proxy z uwierzytelnianiem, testuje żądanie poprawne i odrzucone oraz tworzy listę kontrolną ekspozycji.
Cel: zmierzyć zachowanie usługi pod obciążeniem i zdecydować, czy Ollama odpowiada planowanej skali.
Ćwiczenie: "Benchmark decyzji serwerowej" - uczestnik uruchamia kontrolowany test kilku poziomów współbieżności, zapisuje metryki bez obiecywania uniwersalnych prędkości i uzupełnia tabelę wyboru serwera.
Cel: przygotować plan monitorowania jakości i uzasadnioną architekturę dla zadania wykraczającego poza jeden laptop.
Ćwiczenie: "ADR architektury hybrydowej" - uczestnik porównuje wariant lokalny, Ollama Cloud i wybrane alternatywy, definiuje monitoring oraz zapisuje krótką decyzję architektoniczną z warunkami uruchomienia wariantu awaryjnego.
Rezultat dnia: powtarzalny stos kontenerowy, projekt zabezpieczenia API, wyniki benchmarku oraz ADR uzasadniający wybór serwera i architektury.
To szkolenie możemy zorganizować w formie zamkniętej — wyłącznie dla Twojego zespołu. Doświadczony trener-praktyk poprowadzi szkolenie skrojone pod potrzeby Twojej organizacji:
Zamów bezpłatną, niezobowiązującą wycenę szkolenia zamkniętego.
Zapytaj o bezpłatną wycenę szkolenia
Szkolenie dedykowane dla Twojego zespołu
Dopasowany program, termin i format. Napisz lub zadzwoń — wspólnie dobierzemy rozwiązanie dla Twoich pracowników.
Szkolenia oznaczone jako "termin gwarantowany" odbędą się w zaplanowanym terminie niezależnie od liczby zgłoszonych uczestników. Nie musisz się martwić, że szkolenie zostanie odwołane z powodu zbyt małej liczby zapisanych osób.
Szkolenie realizowane jest w formie zdalnej na żywo poprzez platformę ZOOM. Trener prowadzi szkolenie na żywo, a uczestnicy mogą na bieżąco zadawać pytania i wykonywać ćwiczenia. Format online zapewnia pełną interakcję z trenerem, identyczną jak przy szkoleniu stacjonarnym.
To nie jest nagrany kurs video. Przez cały czas trwania szkolenia masz bezpośredni kontakt z doświadczonym trenerem-praktykiem. Możesz na bieżąco zadawać pytania, prosić o wyjaśnienie trudnych zagadnień, konsultować własne projekty i uzyskać odpowiedź na dowolne pytanie związane z tematyką szkolenia. To realne wsparcie eksperta, którego nie zapewni żaden kurs nagrany.
Każdy uczestnik po ukończeniu szkolenia otrzymuje imienny certyfikat potwierdzający udział i zdobyte kompetencje. Certyfikat wystawiany jest przez JSystems — firmę z certyfikatem ISO 9001 — i jest honorowany przez pracodawców.
Nie jest wymagane instalowanie żadnego oprogramowania. Każdy uczestnik szkolenia otrzymuje dostęp do gotowego środowiska w chmurze, skonfigurowanego na potrzeby szkolenia. Dostęp realizowany jest poprzez przeglądarkę lub zdalny pulpit, w zależności od szkolenia.
...oraz setki innych firm
Jeśli termin jest oznaczony jako gwarantowany, odbędzie się we wskazanym czasie — nawet jeśli część grupy wycofa się z udziału. Ryzyko organizacyjne ponosimy my, nie Ty.
Każdy trener JSystems ma bogate doświadczenie komercyjne w technologiach których uczy i musi utrzymywać średnią z ankiet powyżej 4.75 na 5. Czerwony pasek to u nas minimum ;)
Każde zagadnienie teoretyczne jest poparte ćwiczeniami praktycznymi o rosnącym poziomie trudności. Uczymy przez działanie, nie przez slajdy.
Jako zarejestrowany dostawca usług w Bazie Usług Rozwojowych umożliwiamy sfinansowanie szkoleń pracowników ze środków zewnętrznych — dofinansowanie z BUR i KFS sięga nawet 100% wartości szkolenia.
Posiadamy certyfikat ISO 9001 potwierdzający najwyższe standardy jakości naszych usług szkoleniowych i procesów organizacyjnych.
Do każdego szkolenia wymagającego oprogramowania dostarczamy skonfigurowane, gotowe hosty w chmurze. Uczestnik nie musi nic instalować — łączy się przez zdalny pulpit lub SSH.
Szkolenie trwa 3 dni.
Cena to 2 400 zł netto (2 952 zł brutto) za osobę.
Termin uruchamiamy po zebraniu grupy. Szkolenie jest też dostępne w formie dedykowanej dla firm.
Tak. Realizujemy je również w formie zamkniętej (dedykowanej) dla Twojego zespołu.
Tutorial Ollama - lokalne modele LLM od zera: instalacja, modele, API i realne zastosowania
Najciekawsze modele na Ollamie - 6 modeli do różnych zastosowań
Bezpłatny kurs Claude Code - kompletny przewodnik dla programistów (29 lekcji) - Claude Code tutorial
Prompt Engineering - techniki które musisz znać żeby wyciągnąć maksimum z AI
LangChain RAG tutorial Python - krok po kroku (PDF, Chroma, OpenAI)
Kurs Claude Code: 20 serwerów MCP które warto znać
Claude Code vs Codex - które narzędzie AI do programowania wybrać?
Wyślemy Ci podsumowanie tego szkolenia z terminami i ceną — do przemyślenia w spokoju.
Żadnego spamu — tylko jedno podsumowanie.
Opinie w Google