Fantastic course. The examples used were spot on and really helped solidify the concepts. My understanding has improved dramatically.
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)
Really enjoyed this course. The structure made it easy to follow, and the content was super engaging.
Found it useful. The flow was logical, and the illustrative examples helped solidify the ideas. Could have used a bit more depth.
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.
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. 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.