Found it useful. The flow was logical, and the illustrative examples helped solidify the ideas. Could have used a bit more depth.
Inżynieria sztucznej inteligencji z LangChain i LangGraph
Twórz autonomicznych agentów SI i zaawansowane systemy wieloagentowe za pomocą LangChain i LangGraph, aby rozwiązywać złożone zadania w języku Python.
-
💬
Instruktor AI
Zadawaj pytania o każdą lekcję i otrzymuj jasną odpowiedź od razu, o każdej porze. -
🕐
Zacznij kiedy chcesz
Bez harmonogramów i terminów — ucz się we własnym tempie, kiedy chcesz. -
🌐
Po polsku
Lekcje, zadania i certyfikat — wszystko w pełni w Twoim języku.
O tym kursie
Program kursu
5 modułów · 28 lekcji · 3 godz 7 min
1
Fundamenty Agentowej AI
Zrozumienie czym są agenci i opanowanie podstawowych narzędzi programistycznych.
- Era Agentów: Wprowadzenie
Wyjaśnienie różnicy między zwykłym czatem a autonomicznym agentem.6 min - Słownik Inżyniera AI
Kluczowa terminologia: LLM, Tokeny, Agenci, Środowisko.6 min - Teoria Prompt Engineeringu
Jak projektować instrukcje, które zmuszają model do planowania.7 min - Ekosystem LangChain
Przegląd biblioteki i jej roli w budowaniu aplikacji AI.7 min - Pierwszy Agent w Pythonie
Konfiguracja środowiska i uruchomienie prostego łańcucha.7 min - Architektura Systemów Autonomicznych
Schemat działania pętli decyzyjnej agenta.7 min
2
Rozumowanie i Interakcja z Narzędziami
Nauczenie agenta logicznego myślenia i korzystania z funkcji zewnętrznych.
- Chain of Thought (CoT)
Implementacja techniki krok po kroku w procesie myślowym agenta.7 min - Framework ReAct
Połączenie rozumowania (Reason) z działaniem (Act) w jednym monicie.7 min - Tool Calling w Praktyce
Jak nauczyć model wybierania i wywoływania funkcji Pythona.6 min - Integracje z MCP
Wykorzystanie Model Context Protocol do łączenia się z zewnętrznymi danymi.7 min - Tworzenie Własnych Narzędzi
Definiowanie niestandardowych narzędzi, które agent może zrozumieć.7 min - Obsługa Błędów Narzędzi
Jak agent powinien reagować na niepowodzenia zewnętrznych systemów.6 min
3
Zaawansowany RAG dla Agentów
Budowa agentów, którzy potrafią inteligentnie przeszukiwać i analizować dane.
- RAG vs Agentic RAG
Dlaczego statyczne wyszukiwanie to za mało dla autonomicznych systemów.6 min - Budowa Agenta Wyszukiwania
Agent korzystający z Google Search lub Tavily do znajdowania informacji.7 min - Asystent Dokumentacji
Tworzenie agenta, który 'rozmawia' z Twoimi plikami PDF i Markdown.7 min - Self-RAG i Korekta
Techniki sprawdzania przez agenta, czy znalezione dane są poprawne.7 min - Agenci Oparci na Danych
Integracja agenta z bazami wektorowymi w celu długotrwałej pamięci.7 min
4
Złożone Przepływy z LangGraph
Projektowanie systemów wieloagentowych z pełną kontrolą nad stanem i logiką.
- Wprowadzenie do LangGraph
Dlaczego grafy są lepsze niż liniowe łańcuchy dla złożonych zadań.6 min - Węzły i Krawędzie
Definiowanie logiki przepływu pracy wewnątrz grafu.7 min - Zarządzanie Stanem (State)
Jak utrzymać kontekst i pamięć w długich procesach agentowych.7 min - Architektury Wieloagentowe
Współpraca wielu agentów (np. Badacz i Redaktor) nad jednym zadaniem.7 min - Hierarchia i Orkiestracja
Model 'Supervisor' zarządzający pracą podległych agentów.7 min - Planowanie i Refleksja
Pętla, w której agent ocenia swoją pracę i poprawia błędy.7 min
5
Produkcja i Rozwiązywanie Problemów
Przekształcenie prototypu w stabilną aplikację gotową dla użytkowników.
- Optymalizacja Kosztów
Jak budować inteligentne systemy nie bankrutując na tokenach.6 min - Monitorowanie z LangSmith
Debugowanie i śledzenie procesów myślowych agenta na produkcji.6 min - Bezpieczeństwo Agenta
Ograniczanie dostępu i zapobieganie 'ucieczkom' z promptu.6 min - Case Study: Realny Problem
Analiza architektury rozwiązującej konkretne zadanie biznesowe.7 min - Deployment Aplikacji
Uruchamianie agenta jako API lub interfejsu webowego w Pythonie.7 min
Autonomiczny Zespół Badawczy
Zbuduj system wieloagentowy, który przyjmuje ogólny temat, przeszukuje internet, analizuje dokumenty lokalne, a następnie generuje ustrukturyzowany raport końcowy.
Co otrzymasz
-
📜
Certyfikat ukończenia
Dodaj do profilu LinkedIn -
💬
Osobisty tutor AI
Utknąłeś na lekcji? Zapytaj wbudowanego tutora o cokolwiek, w dowolnej chwili. -
♾️
Dożywotni dostęp
Wracaj, kiedy chcesz — bez wygaśnięcia -
📱
Telefon lub komputer
Działa wszędzie, na każdym urządzeniu -
💸
Zwrot w 14 dni
Bez pytań -
⚡
Krótko i konkretnie
3 godz 7 min praktycznej treści
Certyfikat ukończenia
Każdy kurs ukończony w PickAClass wystawia taki certyfikat — oryginalny, z własnym kodem, weryfikowalny przez URL i szczegółowy co do tego, co faktycznie wykazano.
Recenzje (4)
Fantastic course. The examples used were spot on and really helped solidify the concepts. My understanding has improved dramatically.
It's a solid course. The structure is logical and most of the examples were helpful. Could use a few more real-world scenarios though.
Really enjoyed this course. The structure made it easy to follow, and the content was super engaging.
Inni uczyli się też
Agentic AI Development z LangGraph i LangChain
Automatyzacja bez kodu AI: Twórz chatboty i uruchamiaj agencję
Budowanie systemów RAG i agentów AI z Pythonem i OpenAI
Programowanie oparte na monitach: tworzenie pełnowartościowych aplikacji Next.js z Cursor AI
Najczęstsze pytania
Czego potrzebuję, by wziąć udział w tym kursie? +
Wystarczy telefon lub komputer z internetem. Bez instalacji i specjalnego sprzętu.
Jak zapłacić? +
Kartą przez Stripe. Nie przechowujemy danych karty — robi to bezpiecznie Stripe.
Czy mogę otrzymać zwrot? +
Tak — pełen zwrot w 14 dni, bez pytań.
Jak długo będę mieć dostęp? +
Na zawsze. Po zakupie kurs jest twój — wracaj, kiedy chcesz.
Czy dostanę certyfikat? +
Tak. Po ukończeniu otrzymasz certyfikat, który możesz dodać do profilu LinkedIn.
Zyskaj 10 kursów miesięcznie
Subskrybenci co miesiąc otrzymują 10 wybranych kursów za 0 zł. Bez opłat za kursy — płacisz tylko za subskrypcję.
- ✓ 10 kursów co miesiąc
- ✓ Anuluj w każdej chwili
Odnawia się co miesiąc. Niewykorzystane kursy wygasają z końcem każdego miesiąca rozliczeniowego.