KURS AGENTIC AI DEVELOPER

Produkcyjne AI dla backend developerów

Kurs praktyczny dla doświadczonych backend developerów (3+ lata). Buduj produkcyjne systemy RAG, agentic workflows i infrastrukturę ewaluacji od podstaw. Prawdziwy kod, prawdziwe wzorce, fokus na branże regulowane. Start marzec/kwiecień 2026.

8 tygodni (we własnym tempie)
7 technologies
4 deliverables
Umów konsultację Zobacz usługi

Zakres usługi

Produkcyjny RAG: hybrid search, re-ranking, strategie chunkingu

Systemy agentyczne: agenty LangChain, tool use, wzorce multi-agent

Infrastruktura ewaluacji: RAGAS, LangSmith, zestawy regresji

Wzorce branż regulowanych: audit trail, compliance, izolacja danych

Jak wygląda współpraca

Sprawdzony proces, który przynosi rezultaty

1

Rozpoznanie

Poznajemy Twój biznes, wyzwania i cele — poprzez warsztaty i rozmowy z zespołem.

2

Projektowanie

Wspólnie projektujemy architekturę rozwiązania i tworzymy szczegółowy plan realizacji.

3

Realizacja

Iteracyjna implementacja z regularnymi prezentacjami postępów i zbieraniem opinii.

4

Wsparcie

Wsparcie po wdrożeniu, przekazanie wiedzy zespołowi i rekomendacje dalszego rozwoju.

Zastosowania

  • Budowanie produkcyjnych systemów RAG
  • Tworzenie agentic AI workflows
  • Budowanie infrastruktury ewaluacji i observability
  • AI w środowiskach branż regulowanych

Dla kogo

  • Doświadczeni backend developerzy (3+ lata)
  • Inżynierowie AI chcący się rozwijać
  • Tech leads budujący zespoły AI-first

Nie dla

  • Kompletni początkujący w programowaniu
  • Uczestnicy nietechniczni
  • Szukający wyłącznie edukacji teoretycznej

Co dostarczamy

Co dostarczamy

  • 01
    Kompletny projekt produkcyjnego RAG
  • 02
    Implementacja agentic workflow
  • 03
    Pełna infrastruktura ewaluacji
  • 04
    Certyfikat ukończenia

Stos technologiczny

Python LangChain RAGAS LangSmith AWS Bedrock Claude API FastAPI

Czas realizacji

8 tygodni (we własnym tempie)

Estimated project duration

Powiązane realizacje

Technologia ubezpieczeniowa

System RAG do przetwarzania dokumentów

W Insly prowadziłem rozwój systemu RAG (Retrieval-Augmented Generation), który daje brokerom ubezpieczeniowym szybkie, kontekstowe odpowiedzi o szczegółach polis. System łączy tradycyjne wyszukiwanie z embeddingami wektorowymi i obsługuje złożone zapytania od 23 różnych ubezpieczycieli.

Wyzwanie

Brokerzy ubezpieczeniowi potrzebowali szybko znajdować informacje w tysiącach dokumentów polis od 23 różnych ubezpieczycieli, każdy z unikalnym formatem i terminologią.

90% Szybsze wyszukiwanie dokumentów
25+ Projektów zarządzanych w monorepo
23 Ubezpieczycieli zintegrowanych przez Calcly
Python FastAPI Elasticsearch Qdrant AWS Bedrock Go PostgreSQL
Czytaj więcej
EdTech / E-Learning

Migracja do mikroserwisów

CloudAcademy potrzebowała migracji serwisu autoryzacji treści z Kotlin do Go jako część szerszej standaryzacji. Prowadziłem tę migrację zapewniając zero przestojów i tworząc nowe mikroserwisy według wzorców DDD.

Wyzwanie

Legacy serwis Kotlin miał wąskie gardła wydajnościowe i był trudny w utrzymaniu. Zespół potrzebował standaryzacji na Go dla lepszej spójności mikroserwisów.

3x Poprawa wydajności
60% Zmniejszone zużycie pamięci
0 Przestoju podczas migracji
Go Python AWS Kubernetes Docker gRPC PostgreSQL
Czytaj więcej

Gotowy, żeby ruszyć z projektem?

Porozmawiajmy o Twoich potrzebach. Pierwsza konsultacja jest bezpłatna.

Umów konsultację Zobacz portfolio