fbpx
Képzés hossza:
Képzés nyelve:
16 tanóra
Magyar, igény esetén angol
A képzés díja:
169 500 Ft + Áfa

AI az adatvédelemben: személyes adatok kiszűrése AI segítségével – workshop - Időpontok és jelentkezés

Első oktatási nap: 2026. június 18. , további oktatási napok: 19.

Hétköznap napközbeni (09.00 - 16.30)
Képzés nyelve:
Magyar
Tanfolyam díja:
169 500 Ft + Áfa
Jelentkezési határidő: 2026. június 10.
Jelentkezési határidő:
2026. június 10.

Első oktatási nap: 2026. szeptember 8. , további oktatási napok: 9.

Hétköznap napközbeni (09.00 - 16.30)
Képzés nyelve:
Magyar
Tanfolyam díja:
169 500 Ft + Áfa
Jelentkezési határidő: 2026. augusztus 31.
Jelentkezési határidő:
2026. augusztus 31.

Első oktatási nap: 2026. december 3. , további oktatási napok: 4.

Hétköznap napközbeni (09.00 - 16.30)
Képzés nyelve:
Magyar
Tanfolyam díja:
169 500 Ft + Áfa
Jelentkezési határidő: 2026. november 25.
Jelentkezési határidő:
2026. november 25.

Zártcsoportos képzésre jelentkezem

Amennyiben munkatársaiddal zárt csoportos képzésen veszel részt és kaptál a tanfolyam időpont kódot, itt tudod leadni jelentkezésedet.

Jelentkezés időpont nélkül

Ha egyik időpont sem felel meg neked, de érdekel a tanfolyam, kérünk, hogy add le jelentkezésedet időpont nélkül! Új időpont felvételekor értesíteni fogunk.

A képzés során egy működő AI alkalmazást építesz fel, amely képes érzékeny vagy személyes adatok automatikus felismerésére és eltávolítására. Kétféle megközelítést sajátítasz el: a spaCy és a transformer modellek használatát. A fejlesztés teljes folyamatát valós példákon vesszük végig:  modellezés, backend, UI készítés és hosztolás.

  • Fejlesztőknek és data science szakembereknek, akik AI-modelleket szeretnének beépíteni saját alkalmazásaikba.

  • Adatvédelmi és compliance szakértőknek, akik automatizált megoldásokat keresnek a személyes adatok felismerésére és eltávolítására.

  • Innovációs csapatoknak, akik szeretnék megtanulni, hogyan lehet egyedi AI-funkciókat frontend/backend oldalon integrálni.

  • AI iránt érdeklődőknek, akik gyakorlati tapasztalatot szeretnének szerezni egy működő rendszer felépítésében.

  • Alapvető Python programozási ismeretek

  • Alapszintű NLP (Natural Language Processing) fogalmak ismerete előnyt jelent, de nem kötelező

  • Webes alkalmazásfejlesztésben vagy API-kezelésben szerzett tapasztalat előnyt jelent

  • Nyitottság a gyakorlati tanulásra és új technológiák kipróbálására

Ahogy a mesterséges intelligencia egyre jobban beépül a vállalati működésbe, úgy nő az igény az egyedi AI-alkalmazások fejlesztésére is. Különösen aktuális terület az adatok deperszonalizálása – vagyis a személyes adatok automatikus felismerése és eltávolítása –, amely egyes alkalmazási területeken elengedhetetlen az adatvédelmi megfelelőség és a biztonságos adattárolás szempontjából.

 

 

Ezen a kétnapos, intenzív képzésen a nulláról építesz fel egy működőképes deperszonalizáló AI-megoldást. Két modelltípuson keresztül ismerkedsz meg a megközelítéssel: a spaCy-re épülő klasszikus NLP modell és egy transformer encoder alapú megoldás is helyet kap a programban. Ezek után megtanulod, hogyan lehet a modellt FastAPI segítségével backend szolgáltatássá alakítani, egyszerű UI-t építeni rá, majd az egész rendszert valós környezetben - például Azure alapon - hosztolni.

 

A tanfolyam végére képes leszel:

  • Kétféle AI-modellt (spaCy és transformer encoder) a nulláról betanítani deperszonalizációs feladatra
  • A modellt alkalmazásba integrálni és FastAPI-val szolgáltatássá csomagolni
  • Egyszerű, de működő UI-t készíteni és az alkalmazást éles környezetben hosztolni
  • Egy teljes AI-alkalmazást önállóan létrehozni, tesztelni és céges workflow-kba illeszteni

 

Mit kapsz még a képzés során?

  • Elkészített sablonokat, modelleket és API-struktúrákat, amelyeket saját projektjeidben újrahasználhatsz
  • Egy teljes, gyakorlati AI-fejlesztési projektet, amit a képzés végére befejezel
  • Hasznos kódrészleteket és mintákat, amelyek megkönnyítik a későbbi munkát
  • Részletes dokumentációt és segédanyagokat, hogy biztosan rögzüljön a tanult tudás

 


A képzés tematikája:

1. Bevezetés és deperszonalizációs alapok

1.1 AI, NLP alapfogalmak és technológiai háttér
1.2 Deperszonalizáció, adatvédelmi összefüggések

 

2. Adatbeszerzés és előkészítés

2.1 Elérhető adatok áttekintése
2.2 Extra adatok szintetizálása

 

3. Modellépítés

3.1 Fejlesztői környezet beállítása (Google Colab)
3.2 spaCy modell betanítása
3.3 Transformer modell bemutatása és finomhangolása

4. Backend szolgáltatás – FastAPI

4.1 FastAPI alapok áttekintése
4.2 API tervezés és implementáció
4.3 Hibakezelés, demonstráció

 

5. Alap UI és hosting

5.1 Streamlit alapok, UI építés
5.2 Modell csomagolás és hosztolás

 

6. Integrációs lehetőségek bemutatása

6.1 Tesztelés: API hívások ellenőrzése, szélsőséges esetek kipróbálása
6.2 Rendszerintegráció más alkalmazásokkal
6.3 Workflow-automatizálás (például n8n)
6.4 MS Teams integráció

Kérdésed van a tréninggel kapcsolatban?



Ezek a tanfolyamok és e-learningek is érdekelhetnek

Tekintsd meg néhány további képzésünket a témában


AI Onboarding - egy este a mesterséges intelligencia nyomában
(MFAI1)

Mesterséges asszisztens: AI a munka világában
(MFAI2)

AI Masterclass: az egyedi GPT készítés titkai
(MFAI3)

A mesterséges intelligencia integrálása a szervezetbe - Vezetői workshop
(MFAI4)

AI ügynökök építése kód nélkül – automatizálás workshop Zapierrel
(MFAIAGENT)

Copilot ügynökök létrehozása – AI, LLM és Prompt engineering alapoktól
(MFCOPILOTAGENT)

AI a gyakorlatban: szoftvertesztelés és tesztautomatizálás nagy nyelvi modellekkel (LLM) tanfolyam
(MFAITESTAUT)

LLM-ek és AI eszközök a modern fejlesztői folyamatokban workshop
(MFLLMTOOLS)

LLM-alapú fejlesztés és prompt engineering workshop
(MFLLMPROMPT)

LLM, Retrieval-Augmented Generation (RAG) rendszerek és vektor adatbázisok gyakorlati alkalmazásai workshop
(MFLLMRAG1)

LLM és Retrieval-Augmented Generation (RAG) rendszerek haladó szintű alkalmazása és optimalizációja workshop
(MFLLMRAG2)

AI alapú automatizált dokumentum feldolgozás workshop
(MFAIDOCPROC)