Szkolenie AI dla programistów - od pomysłu do MVP - TERMIN GWARANTOWANY - 28.06.2027

Szkolenie AI dla programistów - od pomysłu do MVP: TERMIN GWARANTOWANY 28.06-02.07.2027

Szkolenie online na żywo z trenerem, 5 dni, w godz. 9:00-16:00. Termin gwarantowany odbędzie się na pewno, nawet przy jednym uczestniku. Prowadzi: Łukasz Matuszewski.

Szczegóły szkolenia, program i zapisy: Szkolenie AI dla programistów - od pomysłu do MVP na jsystems.pl
Wszystkie terminy gwarantowane JSystems: lista terminów gwarantowanych

O szkoleniu w skrócie

Ten intensywny, 5-dniowy warsztat pokazuje, jak wykorzystać AI w całym procesie tworzenia oprogramowania: od pomysłu, przez analizę wymagań, projektowanie, kodowanie, testy, code review, bezpieczeństwo, aż po wdrożenie. Uczestnicy pracują praktycznie nad realną aplikacją i uczą się korzystać z agentów AI jako wsparcia w codziennej pracy developerskiej.

Szkolenie koncentruje się nie na jednym narzędziu, ale na workflow pracy z AI. Uczestnicy poznają podejście agentowe, prompty, context engineering, MCP, sub-agentów, automatyzację testów, pracę z legacy code oraz sposoby zachowania kontroli nad jakością i bezpieczeństwem kodu.

Metodologia kursu

Kurs bazuje na podejściu SDLC i pracy praktycznej. W ciągu 5 dni uczestnicy przechodzą przez pełen cykl wytwarzania oprogramowania, budując realną aplikację.

• 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.
• Prowadzący demonstruje rozwiązania w TypeScript/Node.js, na przykład z Vercel AI SDK, ale uczestnicy mogą pracować w swoim stacku: Java, Python, C#, Go, Rust i innych.
• Skupiamy się na workflow pracy z agentami AI, a nie na konkretnym narzędziu.
• W trakcie szkolenia używamy jednego głównego agenta, na przykład Claude Code lub Codex, zgodnie z preferencjami grupy.
• Omawiamy koncepcje łatwo transferowalne na inne narzędzia, takie jak Gemini CLI, OpenCode, Cursor, Zed, Junie czy Copilot.

Co osiągniesz

Po kursie nie tylko poznasz narzędzia AI dla programistów, ale zmienisz swój sposób pracy. Będziesz potrafić:

• Myśleć jak developer AI, dobierając odpowiednie narzędzie i agenta do zadania.
• Efektywnie zarządzać agentami AI: delegować zadania, udzielać feedbacku i kontrolować jakość.
• Skracać czas developmentu dzięki generowaniu kodu, redukcji boilerplate i szybkiemu prototypowaniu.
• Poprawiać jakość i bezpieczeństwo kodu przez automatyczne code review, skanowanie podatności i generowanie testów.
• Konfigurować multi-agentowe środowiska pracy z sub-agentami, MCP i własnymi umiejętnościami agentów.
• Pracować pewnie w całym stacku, wykorzystując AI do uzupełniania braków wiedzy.
• Tworzyć eksperckie prompty i instrukcje dla agentów dostosowane do różnych zadań developerskich.
• Unikać pułapek developmentu z AI, zachowując kontrolę i jakość.

Dla kogo jest to szkolenie?

Kurs przeznaczony jest dla profesjonalnych programistów, architektów i team leadów z minimum 1-2 letnim doświadczeniem, w tym:

• frontend, backend i full-stack developerów,
• architektów, team leadów i senior developerów,
• twórców aplikacji mobilnych i desktopowych,
• programistów pracujących w dowolnym nowoczesnym języku, na przykład JavaScript, TypeScript, Python, Java, C#, Rust lub 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 specjalizacji uczestnika, pokazując, jak AI może pomóc przez generowanie kodu lub przyspieszenie nauki.

Sprawdź, czy w Twoim przypadku dostępne jest finansowanie szkolenia ze środków BUR/KFS. Dostępność finansowania zależy od warunków danego programu oraz decyzji właściwej instytucji. Więcej informacji: https://jsystems.pl/dofinansowanie/

Prowadzący szkolenie

Łukasz Matuszewski

Z Web Developmentem związany od 2003r, a z branżą szkoleń IT od 2010r. Pracował w wielu projektach dla globalnych korporacji (m.in. Roche, Fiji Water) oraz międzynarodowych startupów. Zarówno Full-Stack (TypeScript, React/Next, Node, Python, PHP, CI/CD, VPS, Cloud) i Desktop (Electron, Swift, Tauri, Rust).

Od lat wykorzystuje AI w swojej pracy (napierw Tabnine, potem Copilot, Cursor, Snyk i wiele innych), aplikacjach (od małych modeli dla IoT, po Voice AI i Avatary 3D) i automatyzacjach (RAG, OCR, itp.). Na szkoleniach stawia na praktyczne mini-projekty, ucząc jak AI może oszczędzić czas bez utraty jakości. Szkoli po polsku i angielsku, zarówno programistów jak i zespoły biznesowe.

Program szkolenia

Dzień 1: Fundamenty i misja

Temat przewodni: The AI-Augmented Developer oraz odprawa przed misją

Moduł 1.1: The New Frontier

• Omówienie doświadczeń uczestników.
• 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 "mięśni" programistycznych.
• Czy AI nas przyspiesza, czy spowalnia? Badania, case study i opinie.
• Umiejętności i role w IT w dobie agentów AI: zarządzanie, delegowanie, feedback.
• Cel: zrozumienie "dlaczego" i zmiana mindsetu na AI-first.

Moduł 1.2: Kluczowe koncepcje - modele, prompty, vibe coding i engineering

• Porównanie modeli: GPT, Claude, Gemini, GLM, open-source i Ollama.
• Prompt engineering: tokeny, kontekst, attention, zero-shot i few-shot.
• Organizacja promptów i commit do gita.
• Context engineering: context rot i zarządzanie kontekstem agenta.
• Cel: poznanie fundamentów korzystania z AI w kodowaniu.

Moduł 1.3: Mission Briefing i przygotowanie środowiska

• Omówienie projektu kursu: multimodalna aplikacja AI, na przykład agent weryfikujący usterki, zwroty i reklamacje sprzętu elektronicznego.
• Omówienie architektury high-level.
• Konfiguracja środowiska: agent CLI, dowolne IDE, API keys i GIT.
• Cel: gotowe środowisko i ustalony cel projektu.

Moduł 1.4: Poznaj swoje AI-Powered Coding Tools

• Przegląd narzędzi: Claude Code i OpenAI Codex CLI jako popularne agenty CLI.
• Porównanie podejść oraz alternatywy: Gemini CLI, OpenCode, Aider.
• CLI vs Desktop App vs wtyczka IDE - kiedy używać którego podejścia.
• Funkcje: autocomplete, chat vs Agent mode, inline edits, integracja z terminalem.
• Omówienie najważniejszych funkcjonalności i konfiguracji.
• Koszty: subskrypcje, API keys, modele lokalne.
• Cel: poznanie najważniejszych funkcji narzędzi do programowania z AI.

Dzień 2: Od pomysłu do projektu

Temat przewodni: AI jako Twój Product Manager i UX Designer

Moduł 2.1: AI pomaga doprecyzować wymagania projektu

• Generowanie pomysłów, walidacja i dokumentacja.
• Agent zadaje pytania i pomaga doprecyzować działanie aplikacji.
• Deep Research z użyciem narzędzi takich jak ChatGPT, Perplexity i Gemini do weryfikacji założeń.
• Cel: dokument PRD z user stories i opisem funkcjonalnym.

Moduł 2.2: Advanced Research i planowanie projektu

• Wyszukiwanie i analiza dokumentacji bibliotek oraz frameworków.
• Struktura projektu, danych i flow aplikacji.
• Tworzenie diagramów architektury, opisów widoków i wireframes.
• Generowanie wizualizacji z użyciem ChatGPT Image lub Gemini.
• Cel: wybór tech stacka, boilerplate i ADR.

Moduł 2.3: Konfiguracja narzędzi i umiejętności agentów

• MCP, czyli Model Context Protocol - serwery i narzędzia, na przykład Context7 i dokumentacja bibliotek.
• Skills - umiejętności agentów, na przykład automatyzacja przeglądarki z Playwright.
• Sub-agenci - konfiguracja specjalistów, na przykład Backend Dev, Frontend Dev, E2E tester i QA reviewer.
• AGENTS.md lub CLAUDE.md - opis sposobu pracy agenta, ograniczeń, zasad i stylu kodu.
• Cel: skonfigurowanie agentów do wydajnej pracy.

Dzień 3: Budowa rdzenia aplikacji

Temat przewodni: AI jako Twój Pair Programmer

Moduł 3.1: AI UX Researcher - design system i design tokens

• Użycie Playwright Skill lub MCP do analizy gotowej strony referencyjnej.
• Generowanie design system i design tokens dla projektu: kolory, fonty, spacing, logo, favicon.
• Zapisanie assets i theme jako bazy do budowania spójnego wyglądu aplikacji.
• Tworzenie komponentów UI z agentem na podstawie design tokens, bez v0 i Lovable.
• Cel: gotowy design system i pierwsze komponenty UI spójne z brandingiem.

Moduł 3.2: Full-Stack Generation i Multi-Agent Power

• Generowanie backendu API z agentem.
• Delegowanie zadań do sub-agentów przez Claude Code lub Codex.
• Analiza codebase razem z agentem w CLI i Desktop App.
• Równoległa praca agentów: frontend i backend jednocześnie.
• Cel: backend API połączony z frontendem.

Moduł 3.3: AI-Assisted Debugging i Refactoring

• Naprawa błędów z AI - przekazywanie stack trace do agenta.
• Refactoring kodu i feedback loop z agentem.
• Zarządzanie kontekstem podczas długich sesji.
• Cel: naprawa błędu przy pomocy AI i pierwsza działająca wersja aplikacji.

Dzień 4: Jakość, bezpieczeństwo i wdrożenie

Temat przewodni: AI jako Twój QA i DevOps Engineer

Moduł 4.1: AI-Generated Testing

• Generowanie testów unit, integration i E2E.
• Agent self-assessment i feedback loop z TDD.
• Ograniczenia i konieczność przeglądu wygenerowanych testów.
• Cel: zestaw testów dla backendu i frontendu.

Moduł 4.2: Automated Code Reviews i Security

• Code review z AI.
• AI-powered security scanning.
• Przegląd narzędzi: CodeRabbit, Qodo, agenci w chmurze, GitHub Copilot, Claude Code w CI.
• Cel: PR z nową funkcją przejrzany przez agenta code review oraz skan bezpieczeństwa.

Moduł 4.3: AI for CI/CD and Automation

• Generowanie pipeline CI/CD przez agenta.
• Build, testy i przygotowanie aplikacji na produkcję z AI.
• Cel: workflow GitHub Actions dla projektu.

Dzień 5: Mistrzostwo, utrzymanie i przyszłość

Temat przewodni: The Advanced Frontier

Moduł 5.1: Praca ze starym kodem

• AI w analizie, dokumentacji i refaktoryzacji legacy codebase.
• Ćwiczenie: agent analizuje stary projekt w innym języku lub stacku, uruchamia go w nowoczesnym środowisku, dodaje testy i dokumentację, a następnie refaktoryzuje do nowoczesnych standardów.
• Cel: praktyczne doświadczenie z legacy kodem przy użyciu agentów.

Moduł 5.2: Modele lokalne, prywatność i koszty

• Kiedy używać modeli lokalnych: Ollama, LM Studio, vLLM.
• Bezpieczeństwo kodu i IP.
• Koszty modeli lokalnych vs modele chmurowe.
• Krótki przegląd modeli i dostawców AI.
• Cel: świadomy wybór architektury AI.

Moduł 5.3: AI-Powered UX/UI Design i Rapid Prototyping

• AI-native design, narzędzia frontendowe i vibe coding.
• Rapid prototyping w v0.dev, Lovable lub Bolt - kiedy warto, a kiedy nie.
• Porównanie z podejściem agentowym z dnia 3 - trade-offy.
• Cel: szybki klikalny prototyp dowolnej aplikacji i świadomy wybór podejścia.

Moduł 5.4: Podsumowanie misji i Lifelong Learning

• Demo finalnych projektów uczestników.
• Retrospektywa - co zmieniamy w swoim workflow od jutra?
• Najlepsze praktyki ciągłego uczenia się w szybko zmieniającym się świecie AI.
• Cel: utrwalenie wiedzy i plan dalszego rozwoju.

Przeczytaj na naszym blogu

• Bezpłatny kurs Claude Code - kompletny przewodnik dla programistów (29 lekcji) - Claude Code tutorial
• Claude Code vs Codex - które narzędzie AI do programowania wybrać?
• Czym jest Codex? Kompletny przewodnik dla początkujących (2026)
• Prompt Engineering - techniki które musisz znać żeby wyciągnąć maksimum z AI
• Najciekawsze modele na Ollamie - 6 modeli do różnych zastosowań
• Kurs Claude Code: 20 serwerów MCP które warto znać
• LangChain RAG tutorial Python - krok po kroku (PDF, Chroma, OpenAI)

Zapisz się na termin gwarantowany: Szkolenie AI dla programistów - od pomysłu do MVP | wszystkie terminy gwarantowane
Pytania: [email protected], tel. 22 299 53 69