Új lapon nyílik meg

Segédanyag

AI az alapoktól

6 rész1 kódpélda0 ábra

Koltai Norbert AI/gépi tanulási tananyaga — projektalapú, teljes egészében magyar nyelvű oktatás, a Python alapoktól a neurális hálókon és nyelvi modelleken át a jogi/gazdasági kontextusig és az AI-ügynökökig.

Cél: az AI/gépi tanulás elsajátítása a nulláról, gyakorlati projekteken keresztül.

Minden lecke egy önálló, futtatható .py fájl, mély, minden fogalmat kifejtő magyarázatokkal (a kódban "Széljegyzet" jelöléssel), és a legtöbb lecke visszahivatkozik a korábbi leckékre, ahol az adott fogalom először előkerült.

Hol kezdjem?

  1. Ha teljesen kezdő vagy Pythonban: kezdd a lecke_01_bevezetes.py fájllal, és haladj sorban.
  2. Ha már megvan az alap, vagy csak tájékozódni akarsz: olvasd el a lecke_00a_tartalomjegyzek.py fájlt — ez a teljes sorozat kereshető térképe, előfeltétel-térképpel.
  3. Ha saját gépen (nem felhőben) szeretnéd futtatni a kódokat, nézd meg a lecke_00d_kornyezet_beallitas.py fájlt — lépésről lépésre elmagyarázza a Python/PyTorch telepítést Windows/macOS/Linux alatt.
  4. Ha egy hibaüzenetbe futsz bele futtatás közben, nézd meg a lecke_00c_hibaelharitas.py fájlt — gyakori hibák, okuk és a javításuk.

Egy lecke futtatása terminálban:

KÓDPÉLDA● ● ●
python3 lecke_01_bevezetes.py

A teljes lecke-lista

#FájlTéma
00alecke_00a_tartalomjegyzek.pyTartalomjegyzék és tananyagterv (kereshető térkép)
00blecke_00b_matematikai_alapok.pyMatematikai alapok: vektorok, mátrixok, valószínűség
00clecke_00c_hibaelharitas.pyHibaelhárítási útmutató (gyakori hibaüzenetek)
00dlecke_00d_kornyezet_beallitas.pyKörnyezet-beállítás saját gépen (Windows/macOS/Linux)
00elecke_00e_onellenorzo_tesztek.pyÖnellenőrző kérdéssorok (6 blokk, 60 kérdés) és pontozott záróvizsga
1lecke_01_bevezetes.pyMi az a Python, telepítés, első print() program
2lecke_02_valtozok.pyVáltozók, input(), adatok tárolása
3lecke_03_alaptipusok.pyAlaptípusok: számok vs. szövegek, type()
4lecke_04_feltetelek.pyFeltételek: if, elif, else
5lecke_05_ciklusok.pyCiklusok: for és while
6lecke_06_listak_szotarak.pyListák és szótárak
7lecke_07_fuggvenyek.pyFüggvények
8lecke_08_fajlkezeles.pyFájlkezelés
9lecke_09_csomagok_pip.pyCsomagok, pip, virtuális környezet
10lecke_10_numpy.pyNumPy alapok
11lecke_11_pandas.pyPandas — táblázatos adatok kezelése
12lecke_12_elso_ml_modell.pyAz első gépi tanulási modell (scikit-learn)
12blecke_12b_hogyan_tanul_a_gep.pyHogyan "tanul" valójában egy gépi modell? + keretezés problémája
13lecke_13_pytorch_tenzorok.pyPyTorch alapok: tenzorok
14lecke_14_neuralis_halo.pyEgyszerű neurális háló építése PyTorch-csal
14blecke_14b_algoritmusok_terkepe.pyAz AI/gépi tanulás algoritmusainak térképe
14clecke_14c_derivalas_alapoktol.pyA deriválás, a legalsó szintű alapoktól
15lecke_15_elso_sajat_projekt.pyAz első saját projekt: weboldal-látogatottság
16lecke_16_valos_ai_rendszerek.pyHogyan tanulnak a valós, éles AI-rendszerek? (gyártás, robotok, önvezetés)
17lecke_17_nyelvi_modell_felepitese.pyHogyan épül fel egy nyelvi modell (mint a ChatGPT/claude)?
18lecke_18_adatkozpontok_energia.pyAdatközpontok: működés, energiaigény
19lecke_19_ai_tortenete.pyAz AI teljes története: a kezdetektől a mai nagy modellekig
20lecke_20_tultanulas_alultanulas.pyTúltanulás, alultanulás, védekezés ellenük
21lecke_21_osztalyozas_gyakorlatban.pyOsztályozás a gyakorlatban: spam-szűrő építése
22lecke_22_adat_elokeszites_melyebben.pyAdat-előkészítés mélyebben: skálázás, encoding
23lecke_23_elotanitott_modellek.pyElőtanított modellek, Transfer Learning, Fine-Tuning
24lecke_24_modellertekeles_komolyan.pyModellértékelés komolyan: Precision, Recall, F1, ROC-AUC
25lecke_25_mlops_eles_hasznalat.pyMLOps: hogyan kerül egy modell éles használatba?
26lecke_26_prompt_engineering_tudomanyosan.pyPrompt engineering, tudományosan megalapozva
27lecke_27_etika_jog_ai_act.pyEtika, jog, EU AI Act, felelősség *(2026 szeptemberi állapot)*
28lecke_28_ai_piac_gazdasag.pyAI piac és gazdaság: szereplők, árazás, költségbecslés
29lecke_29_ai_ugynokok.pyAI-ügynökök (agentek): hogyan "cselekszik" egy AI?
30lecke_30_szuperintelligencia.pySzuperintelligencia: mi az, mikor jöhet, és miért vitatkoznak rajta?
31lecke_31_kvantumszamitogepek.pyKvantumszámítógépek: hol tartunk, és mi várható?
32lecke_32_ai_aggalyok_es_remenyek.pyAz AI aggályai és reményei
33lecke_33_rag_es_vektoradatbazisok.pyRAG és vektoradatbázisok: hogyan „olvassa" az AI a saját dokumentumaidat?
34lecke_34_kepgeneralo_modellek.pyKépgeneráló és multimodális modellek
35lecke_35_sajat_chatbot_api.pyGyakorlati projekt: saját chatbot építése API-val
36lecke_36_mindennapi_ai_hasznalat.pyMindennapi AI-használat okosan
37lecke_37_zaroprojekt.pyNagy záróprojekt: minőségosztályozó rendszer
38lecke_38_szoszedet.pySzószedet / fogalomtár (kereshető referencia)

A tananyag felépítése (6 blokk + záró anyagok)

BlokkLeckékMiről szól
A — Alapozás00a-00e, 1-13Python, NumPy, Pandas, scikit-learn, PyTorch alapok, matematikai háttér
B — Gépi tanulás magja12b, 14, 14b, 14c, 15Hogyan tanul egy modell, neurális háló, deriválás, első teljes projekt
C — Valós világ és nyelvi modellek16-19Valós AI-rendszerek, nyelvi modell felépítése, adatközpontok, AI-történelem
D — Profi szint20-28Megbízható modellépítés, MLOps, prompt engineering, jog, gazdaság
E — A jövő és a társadalom29-32AI-ügynökök, szuperintelligencia, kvantumszámítógépek, az AI aggályai és reményei
F — Gyakorlati AI33-36RAG és vektoradatbázisok, képgeneráló modellek, saját chatbot API-val, mindennapi AI-használat
Záró anyagok37-38Nagy záróprojekt, szószedet

Kiegészítő dokumentumok (kurzus/tanfolyam-szervezéshez)

  • utemterv_tanterv.md — 12 hetes bontás, óra-szerkezet, mérföldkövek
  • feladatfuzet.md — gyakorlófeladatok megoldás nélkül (résztvevőknek)
  • megoldaskulcs.md — ugyanazok a feladatok, megoldással (csak oktatóknak)
  • oktatoi_vezetofuzet.md — leckénkénti óravezetési segédlet
  • kurzusleiras_marketing.md — kurzusleírás hirdetéshez/landing page-hez

Frissítési megjegyzés

A 27. lecke (EU AI Act, jog) és a 28. lecke (AI-piac, árazás) olyan, gyorsan változó témákat érint (jogszabályi határidők, API-árak), amelyeknél a tartalom egy adott időpontban (2026 szeptemberében) volt naprakész — ezekben a leckékben mindig érdemes ellenőrizni a hivatkozott hivatalos forrást, mielőtt valós döntést hoznál rá építve.

Licenc / felhasználás

Ez a tananyag tanulási célra készült. Szabadon felhasználható, módosítható, továbbadható.

Kiegészítő leckék (29–36.)

A tananyag 2026 szeptemberében nyolc új leckével bővült: négy a jövőről és a társadalmi hatásokról, négy a gyakorlati AI-használatról szól. Ezek a 28. lecke után, a záróprojekt (37.) előtt következnek:

  • 29. AI-ügynökök — hogyan „cselekszik" egy AI, és hol tart a terület 2026-ban (szabványok, mérések, kockázatok);
  • 30. Szuperintelligencia — fogalmak, előrejelzések, az irányítás problémája, álláspontok és kormányzás;
  • 31. Kvantumszámítógépek — alapok NumPy-példákkal, hibajavítás, ütemtervek, titkosítás;
  • 32. Az AI aggályai és reményei — a fő kockázatok és hasznok, közvélemény, szabályozás, gyakorlati teendők;
  • 33. RAG és vektoradatbázisok — hogyan „olvassa" az AI a saját dokumentumaidat;
  • 34. Képgeneráló modellek — diffúzió, multimodális modellek, hitelesség;
  • 35. Saját chatbot API-val — gyakorlati projekt a tervezéstől az élesítésig;
  • 36. Mindennapi AI-használat — asszisztensek, munkafolyamatok, adatvédelem.