AI Development: od pomysłu do MVP w 5 dni
Twórz produkty w tempie swoich myśli. Ten 5-dniowy warsztat online odmieni Twój proces developmentu, integrując narzędzia AI na każdym etapie pracy.
Efekty szkolenia
Po kursie nie tylko poznasz narzędzia AI – zmienisz swój sposób pracy!
Będziesz potrafić:
- Myśleć jak developer AI, dobierając odpowiednie narzędzie do zadania.
- Skracać czas developmentu dzięki generowaniu kodu, redukcji boilerplate i szybkiemu prototypowaniu.
- Poprawiać jakość i bezpieczeństwo kodu przez automatyczne code review, skanowanie podatności, generowanie testów.
- Szybko prototypować i walidować pomysły.
- Pracować pewnie w całym stacku, wykorzystując AI do łatania braków wiedzy.
- Tworzyć eksperckie prompty dostosowane do różnych zadań developerskich.
- Unikać pułapek developmentu z AI, zachowując kontrolę i jakość.
Program szkolenia
Rekomendowany czas trwania: ~40 godzin “lekcyjnych” (5 dni w trybie całodniowym)
Format: Online na żywo (Zoom/Teams)
Rekomendowany format pozwala swobodnie przejść przez cały SDLC (Software Development Life Cycle), zrealizować głęboką część praktyczną, ukończyć działający projekt i omówić tematy zaawansowane bez pośpiechu.
Możemy jednak przeprowadzić szkolenie skrócone, dostosowane do potrzeb.
- [ Dzień I ] - Fundamenty i misja
- Wprowadzenie do rewolucji AI w programowaniu
- Obalanie mitów: czy AI Cię zastąpi, czy wzmocni? ASI czy hype?
- Korzyści vs ryzyka (nadmierne poleganie, halucynacje, prywatność, degradacja umiejętności, zanik programistycznych “mięśni”)
- Czy AI nas przyspiesza, czy spowalnia? (dane z badań, case study, opinie)
- Przegląd narzędzi (IDE, CLI, Web, Chat)
- Cel: Zrozumieć „dlaczego”. Zarażenie entuzjazmem. Zmiana mindsetu na AI-first.
- Benchmarki vs rzeczywistość: porównanie modeli (GPT, Claude, Gemini, Grok, open-source Qwen/DeepSeek/GPT-OSS)
- Prompt Engineering: tokeny, kontekst, attention, zero/few-shot, custom rules
- „Show me your prompts”: bazy promptów, zasady, Anthropic Console tools. Organizacja promptów, commit do gita?
- To Vibe Code, or not? Sztuka balansu między automatyzacją a kontrolą.
- Cel: Poznać fundamenty potrzebne do skutecznego korzystania z AI w kodowaniu.
- Wybór i prezentacja projektu 5-dniowego: np. „AI Idea Validator”
- Omówienie architektury high-level
- Warsztaty: konfiguracja VSCode/Cursor/Zed, wtyczki (GitHub Copilot), terminal z CLI (Gemini CLI / Claude Code), klucze API
- Cel: W pełni gotowe środowisko i ustalony cel projektu.
- Deep Research (ChatGPT, Perplexity, Gemini, Groq)
- Generowanie pomysłów, walidacja i tworzenie dokumentacji z AI
- Cel: Stworzyć plan projektu i README.md z user stories, zadaniami, roadmapą i planowanym tech stackiem.
- [ Dzień II ] - Od pomysłu do projektu (AI jako PM i UX Designer)
- Zaawansowane wyszukiwanie i porównywanie bibliotek i frameworków
- Generowanie szczegółowej struktury projektu i layoutu plików
- Tworzenie z AI diagramów architektury, opisów widoków i wireframes
- Cel: Finalny wybór tech stacka i wygenerowanie boilerplate projektu.
- Wprowadzenie do AI-native design i narzędzi frontendowych
- Rapid prototyping w Bolt.new, Lovable, v0.dev
- Wykorzystanie AI w Figma
- Cel: Stworzyć podstawowy, klikalny prototyp UI.
- Przełożenie prototypu wygenerowanego przez AI na produkcyjny kod frontendowy (np. Tailwind/SCSS, React/Vue)
- Cel: Utworzyć statyczne komponenty FE dla naszego wybranego projektu.
- [ Dzień II ] - Budowa aplikacji (AI jako Twój Pair Programmer)
- Deep dive: GitHub Copilot vs Cursor vs Zed vs ...
- Porównanie funkcji: autocomplete, chat, inline edits, agent, integracja z terminalem, docs, rules, diff
- Dokumentacja: Cursor vs Google NotebookLM vs GPTs/Gems vs pliki .md
- Koszty: subskrypcje vs własne API keys vs modele lokalne
- Vibe Coding vs manual control, Human-in-the-Loop
- Cel: Implementacja głównej logiki UI z wykorzystaniem AI.
- Generowanie backendu API z pomocą AI
- Przegląd CLI tools: Gemini CLI, Claude Code, Codex, Aider, Qwen Code, AIChat, Warp
- Analiza całego codebase z terminala
- CLI Autocomplete i generowanie komend w terminalu
- Cel: Zbudować i połączyć backend API z frontendem.
- Strategie wyszukiwania i naprawy błędów z AI
- Wysyłanie błędów i stack trace do AI
- Refactoring kodu pod kątem czytelności i wydajności
- Cel: Naprawa błędu przy pomocy AI.
- [ Dzień IV ] - Produkcja (AI jako Twój QA & DevOps Engineer)
- Generowanie testów: unit, integration, E2E (np. Playwright, Vitest)
- Ograniczenia i konieczność przeglądu przez człowieka
- Generowanie przypadków testowych, critical paths i edge cases
- Cel: Utworzyć zestaw testów dla backendu i frontendu.
- Czy kod generowany przez AI jest „śmieciowy”?
- Code Reviews: GitHub Copilot, Gemini Code Assist, CodeRabbit & Qodo.
- Wprowadzenie do AI-powered security scanning (np. Snyk)
- Background agents (np. Cursor, Codex) do ciągłej analizy i poprawy kodu
- Cel: PR z nową funkcją, opis wygenerowany przez AI, code review i skan bezpieczeństwa.
- Generowanie pipeline CI/CD (GitHub Actions YAML, Dockerfile) z AI
- Wdrożenie aplikacji przy pomocy AI
- Generowanie README, CHANGELOG, ADRs z AI
- Cloud AI Tools (AWS Amazon Q, Gemini w GCP)
- Cel: Utworzyć kompletny workflow GitHub Actions, który testuje i buduje aplikację przy każdym “pushu”.
- [ Dzień V ] - Mistrzostwo, utrzymanie i przyszłość
- Jak używać AI do zrozumienia, dokumentowania i refaktoryzacji starego kodu
- Context & attention w analizie dużych codebase (np. Gemini CLI)
- Refactor z jQuery do React? Python 2 → 3? JS → TS?
- Cel: Ćwiczenie na dostarczonym „legacy” kodzie.
- Kiedy i dlaczego używać modeli lokalnych (GPT-OSS, Qwen, Llama, DeepSeek)
- Demo uruchamiania lokalnego modelu w OLLAMA i używania w Zed
- Bezpieczeństwo, prywatność i koszty vs modele chmurowe. Tabnine.
- Optymalizacja kosztów API i narzędzi AI
- Cel: Zrozumienie kompromisów między chmurą a modelem lokalnym.
- Czym są agentic workflows?
- Wprowadzenie do Model Context Protocol (MCP)
- Dyskusja: przyszłość AI w developmentcie
- Cel: Poznać nadchodzące technologie, aby być na nie gotowym.
- Demo: prezentacja finalnego projektu na „produkcji”
- Retrospektywa: co działało, co było wyzwaniem
- Jak uniknąć utraty umiejętności i nie zapomnieć fundamentów programowania
- Najlepsze praktyki ciągłego uczenia się w dynamicznym świecie AI
- Ustalanie standardów AI w zespole, dzielenie się promptami i rules (np. AGENT.md)
- Cel: Utrwalenie wiedzy i wytyczenie ścieżki dalszego rozwoju uczestników.
Wymagania
- Komputer z min. 16 GB RAM i procesorem zdolnym do uruchamiania nowoczesnych AI IDE (indeksują one kod w tle i używają małych modeli lokalnych).
- Dostęp "trial" lub subskrypcja do minimum:
- 1 IDE (Cursor, Zed, Windsurf – lub darmowy GH Copilot jako alternatywa)
- 1 narzędzia chmurowego (Lovable, Bolt, v0).
- Dostęp do minimum 1 aplikacji AI Chat z funkcjami Deep Research (ChatGPT, Gemini, Grok, Perplexity, Manus).
- Mile widziane: klucze API z min. $10 budżetem u preferowanego dostawcy LLM (Anthropic, OpenAI) – ale są darmowe alternatywy (Gemini free tier, Gemini CLI, Qwen, modele lokalne).
- Darmowe konto GitHub. Mile widziane: projekt w Google Cloud Platform, konto w OpenAI Dashboard, konto w Anthropic Dashboard.
Adresaci szkolenia
Kurs przeznaczony jest dla profesjonalnych programistów z minimum 1–2 letnim doświadczeniem, w tym:
- Frontend, Backend i Full-Stack Developerów
- Twórców aplikacji mobilnych i desktopowych
- Programistów pracujących w dowolnym nowoczesnym języku (np. JavaScript/TypeScript, Python, Java, C#, Rust, Go)
Nie jest wymagane wcześniejsze doświadczenie z narzędziami AI – jedyny warunek to otwarty umysł i chęć gruntownej zmiany swojego sposobu pracy.
Kurs może zahaczać o obszary spoza Twojej specjalizacji, pokazując, jak AI może Ci tam pomóc – czy to przez generowanie kodu, czy przez przyspieszenie nauki.
Forma szkolenia
- Kurs bazuje na podejściu SDLC i pracy praktycznej. W ciągu 5 dni uczestnicy przechodzą przez pełen cykl wytwarzania oprogramowania, budując realną aplikację.
- Zajęcia online na żywo – prowadzone przez eksperta z możliwością zadawania pytań, dyskusji i indywidualnego feedbacku.
- Nauka w oparciu o projekt – ponad 60% czasu to praca praktyczna. Każdy moduł zawiera laboratoria, które bezpośrednio przyczyniają się do realizacji projektu końcowego.
- Uczestnicy realizują projekt w swoim preferowanym języku programowania.
- Uczymy płynnego korzystania z różnych narzędzi AI (IDE, CLI, chaty, web, specjalistyczne aplikacje).
- Pokażemy i porównamy różne narzędzia AI, na różnych etapach korzystając z innych. Jednak każdy może realizować swój projekt w ulubionym (nie jest wymagana subskrypcja w każdym z omawianym narzędzi).
- Na koniec dnia wspólnie ustalamy cele do realizacji jako „pracę domową”.
- Środowisko laboratoryjne – pomagamy skonfigurować ujednolicone środowisko z potrzebnymi narzędziami i dostępami.
Dodatkowe informacje
W ciągu tygodnia zbudujesz kompletną aplikację od zera, korzystając z AI jako swojego co-pilota – od wymagań i UX designu, przez kodowanie, po testowanie i wdrożenie. Nauczysz się pisać lepszy, bezpieczniejszy kod szybciej, eliminować żmudne zadania i stać się wszechstronnym, hiper-efektywnym developerem, który jest gotowy na przyszłość.
To nie kurs o budowaniu AI – to kurs o tym, jak stać się inżynierem wspieranym przez AI.
Każde szkolenie dostosowujemy do oczekiwań uczestników.
W cenie szkolenia:
- Autorskie materiały szkoleniowe (pdf)
- Notatniki i długopisy
- Certyfikaty ukończenia
- Możliwość zadawania pytań 2-3 pytań do 6 miesięcy po szkoleniu (przez email)
- Ewaluacja: ankieta oceniająca szkolenie z raportem
- Opcjonalnie: rozmowa online Klienta z trenerem na temat potrzeb szkoleniowych, wypożyczenie laptopa, zewnętrzna sala, catering, testy wiedzy PO szkoleniu
Podobne szkolenia
Zautomatyzuj tworzenie raportów. Szybciej odpisuj na e-maile i analizuj dokumenty. A w międzyczasie Agent AI stworzy Ci nową stronę!
Poznaj narzędzia generatywnej AI i naucz się wykorzystywać je do tworzenia treści, grafiki, wideo i głosu w swojej codziennej pracy. 3-dniowe szkolenie na żywo.
Wprowadź AI do swojego biznesu i zobacz, jak rośnie wydajność Twojego zespołu 🚀 Poznaj praktyczne zastosowania sztucznej inteligencji i automatyzuj procesy!