Tanulási terület

Az összes tananyag központi kiindulópontja – vezetett vagy szabad tanulás, ahogy jólesik.

Tanulási útvonalakTartalmak

Az alapok

Teljesen előismeret nélkül is itt kezdhetsz. Ha tudsz számítógépet használni, itt a helyed.

AI-kezdőtanfolyam

Bevezető sorozat kezdőknek: öt rész és egy portálbemutató – előismeretek, konzol és képletek nélkül.

Kezdő Hamarosan elérhető

Utána tudod, mi az AI és mi nem, hogyan tanulnak a gépek, hogyan kell beszélgetni egy nyelvi modellel, mikor bízhatsz meg benne – és hol folytathatod a portálon.

1. rész az 5-ből (előzetes); tervezve: 5 rész + bemutató, nagyjából 90 perc Teljesen kezdők, előismeretek nélkül Nincs
1

1. rész: Mi az AI, és miért használod már évek óta?

Hamarosan elérhető

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Gépkezelés és parancssor

Hogyan működik egy számítógép, mik azok az API-k, hogyan kell terminált használni, fejlesztőkörnyezetet beállítani, Gitet használni, és mit jelent az open source.

Kezdő 0 / 6

Megérted, hogyan dolgoznak a számítógépek, magabiztosan mozogsz a terminálban, használod a Gitet, és érted az open source lényegét.

6 cikk Teljesen kezdők Nincs
1

Hogyan "gondolkodik" a számítógép

CPU, GPU, RAM, merevlemez és bináris kód – a hardver alapjai.

2

Az internet és az API-k

Kliens, szerver, HTTP-kérések és az API-k mint interfészek.

3

A terminál

GUI kontra CLI, elérési utak és a legfontosabb parancsok.

4

A fejlesztőkörnyezeted

Szerkesztő, IDE és minden, ami körülöttük van: berendezed a helyet, ahol az ötletekből fájlok lesznek.

5

Verziókezelés Gittel

Tároló (repository), commit, branch (ág) és a GitHub mint felhőtárhely.

6

Nyílt kontra zárt forráskód (open source vs. closed source)

Forráskód, licencek (GPL, MIT), és miért fontos az átláthatóság.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Python és programozási logika

A változóktól a vezérlési szerkezeteken és a függvényeken át az osztályokig, a csomagokig és a virtuális környezetekig.

Kezdő

Programozol Pythonban, érted az adattípusokat, a vezérlési szerkezeteket és az OOP-t, és tiszta fejlesztőkörnyezeteket állítasz be.

8 cikk Kezdők számítógépes alapismeretekkel Előfeltétel: Gépkezelés és parancssor
1

Változók és adattípusok

Sztring (string), egész szám (integer), lebegőpontos szám (float), logikai érték (boolean) és értékadás.

2

Vezérlési szerkezetek

If/else elágazások és ciklusok (for, while).

3

Függvények

Paraméterek, visszatérési értékek és moduláris kód.

4

Amikor a kód elromlik (hibák és hibakeresés)

Szintaktikai hiba kontra logikai hiba, try/catch és a hívási verem (stack trace) olvasása.

5

Listák és szótárak (dictionaries)

Tömbök, kulcs–érték tárolók és indexalapú hozzáférés.

6

Objektumorientált programozás (osztályok és objektumok)

Osztály, objektum, metódus és attribútum – a komplex kód tervrajza.

7

Külső kódkönyvtárak (csomagok)

Pip, függőségek, import – nem kell újra feltalálni a kereket.

8

Az elszigetelt buborék (virtuális környezetek / Docker)

venv, konténerek és reprodukálható környezetek.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

A műhely

Gyakorlat alkotóknak. Középpontban az alkalmazás, az eszközök és a modern munkafolyamatok.

Generatív művészet (képek és videó)

Képgenerálás, Stable Diffusion, LoRA, ControlNet és a munkafolyamat optimalizálása.

Kezdő

Saját képeket generálsz a Stable Diffusion segítségével, érted, hogyan működik a szövegből kép (text-to-image), és magabiztosan használod a LoRA-t, a ControlNetet és a felskálázást.

4 cikk + 1 demó Kreatív alkotók, designerek, hobbisták Előfeltétel: Gépkezelés és parancssor
1

Képgenerálás (a szövegtől a pixelig)

Szövegből kép (text-to-image), promptolás és seed (véletlen kezdőérték).

2

Az eszköz (Stable Diffusion Forge)

Felhasználói felület, lokális VRAM és generálási sebesség.

3

Irányítás és finomhangolás

LoRA, inpainting (képkitöltés) és outpainting (képkiterjesztés).

4

A munkafolyamat optimalizálása

ControlNet (pózok, élek) és felskálázás (upscaling).

5

GAN-ok – interaktív demó

Tapasztald meg interaktívan, hogyan hoznak létre képeket a GAN-ok.

Opcionális

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Helyi nyelvi modellek

A Hugging Face ökoszisztémája, modellek futtatása helyben és a kvantálás megértése.

Haladó

Érted a Hugging Face működését, a saját gépedre telepítesz modelleket, és érted a kvantálást.

3 cikk Adatvédelemre odafigyelők, barkácsolók Előfeltétel: Gépkezelés és parancssor
1

Az ökoszisztéma (Hugging Face)

Tároló (repository), modellkártya, súlyok és ranglista (leaderboard).

2

Modellek a saját gépeden

Ollama, LM Studio és inferenciamotorok.

3

Kvantálás (modellek zsugorítása)

GGUF, kvantálás, pontosság (FP16 kontra INT4) és RAM-korlátok.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Ágensek és automatizálás

Rendszerpromptok, promptmérnökség, RAG, függvényhívás, API-k és no-code munkafolyamatok.

Haladó

Rendszerpromptokat írsz, RAG-pipeline-okat építesz, függvényhívást használsz, és az n8n segítségével automatizálsz munkafolyamatokat.

6 cikk Alkotók, automatizálók Előfeltétel: Helyi nyelvi modellek Python és programozási logika
1

Feladat a modellnek (rendszerpromptok)

Rendszerprompt, szerepjáték, one-shot kontra few-shot.

2

Promptmérnökség (gondolatlánc)

Zero-shot, gondolatlánc (chain-of-thought) és a hallucinációk elkerülése.

3

Saját adatok bekötése (RAG)

Retrieval-Augmented Generation (RAG), darabolás (chunking), beágyazások és vektoradatbázis.

4

Függvényhívás (amikor az AI gombokat nyom)

JSON-kimenet, eszközhasználat (tool use) – az AI dönti el, melyik eszközt futtatja.

5

Interfészek használata (API-k és MCP)

API-kulcs, Model Context Protocol és szerverarchitektúra AI-ágensekhez.

6

No-code munkafolyamatok (n8n)

Trigger (indító esemény), csomópont, munkafolyamat-automatizálás és webhookok.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

AI a szoftverfejlesztésben

Vibe coding, kontextustervezés, harness engineering és agentikus kódolás – a programozás új módja.

Haladó Elérhető: 2026. okt. 21.

Az AI segítségével programozol, magabiztosan alkalmazod a kontextustervezést, felépíted az ágens körüli környezetet, és autonóm kódolóágenseket használsz.

4 cikk Fejlesztők, alkotók Előfeltétel: Python és programozási logika Ágensek és automatizálás
1

Programozás természetes nyelven (vibe coding)

Elérhető: 2026. okt. 21.

2

Kontextustervezés (context engineering)

Elérhető: 2026. okt. 21.

3

Harness engineering (védőkorlátok remény helyett)

Elérhető: 2026. okt. 21.

4

Agentikus kódolás (AI-k, amelyek maguk gépelnek)

Elérhető: 2026. okt. 21.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Szoftverminőség és tesztelés

Tesztek olvasása, gépi ellenőrzések értelmezése, módosítások jóváhagyása és titkok védelme – minőség programozási tudás nélkül.

Haladó Elérhető: 2026. nov. 18.

Elolvasol egy tesztet, és felismered, mit ellenőriz valójában, értelmezed a piros gépi ellenőrzéseket, felteszed egy ágensnek azt a három kérdést, amelynek válaszát magad is ellenőrizheted, és tudod, mi nem kerülhet soha egy tárolóba (repository).

4 cikk Mindenki, aki AI-ágensekkel építtet szoftvert Előfeltétel: AI a szoftverfejlesztésben
1

Tesztek megértése, amikor az ágens írja őket

Elérhető: 2026. nov. 18.

2

Kapuk (gates): a gépi ellenőrzések biztonsági hálója

Elérhető: 2026. nov. 18.

3

Kódellenőrzés programozási tudás nélkül

Elérhető: 2026. nov. 18.

4

Titkok és biztonság: mi nem kerülhet soha a tárolóba

Elérhető: 2026. nov. 18.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Az akadémia

Az elmélyült informatikai vonal. Megfelel egy egyetemi képzés AI-moduljainak, mégis mindenki számára hozzáférhető.

Informatikai struktúrák és algoritmusok

Mik az algoritmusok, hogyan skálázódnak, és milyen adatszerkezetek hajtják az informatikát.

Haladó

Érted az algoritmusokat, a nagy O jelölést (Big-O), a rekurziót és a legfontosabb adatszerkezeteket (lineáris, hierarchikus, kulcsalapú).

6 cikk + 1 demó Tanulók Python-alapismeretekkel Előfeltétel: Python és programozási logika
1

Mi az az algoritmus?

Determinizmus, végesség, bemenet/kimenet – a gépek receptje.

2

Algoritmikus bonyolultság (Big-O)

A skálázódás megértése: lineáris, négyzetes, exponenciális.

3

Adatszerkezetek I. (lineáris)

Tömb, láncolt lista, verem, sor (array, linked list, stack, queue).

4

Rekurzió

Báziseset, rekurzív hívás és veremtúlcsordulás (stack overflow) – felturbózott ciklusok.

5

Adatszerkezetek II. (hierarchikus és hálózatos)

Fa, bináris keresőfa, gráf, csúcs, él.

6

Adatszerkezetek III. (kulcsalapú)

Hasítótábla (hash table), kulcs–érték pár és gyorsítótárazás (caching).

7

Utazóügynök-probléma – amikor túl sokáig tart mindent kipróbálni

Az útvonal első demója: keresd meg a legrövidebb körutat sok városon át – egy NP-nehéz probléma, amely megmutatja a nyers számítási erő határait, és azt, hogy miért van szükségünk okos heurisztikákra, például a szimulált hűtésre (simulated annealing).

Opcionális

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Az adatok matematikája

Statisztika és valószínűségszámítás a gépi tanulás alapjaként.

Haladó

Érted a középértékeket, a szóródást, az eloszlásokat, a korrelációt, a valószínűséget és a Bayes-tételt.

6 cikk + 1 demó Tanulók algoritmikus alapismeretekkel Előfeltétel: Informatikai struktúrák és algoritmusok
1

Középértékek (hol van a közepe?)

Átlag, medián és kiugró értékek.

2

Szóródás (milyen messze vagyunk a középtől?)

Variancia, szórás és terjedelem.

3

Eloszlások (az adatok alakja)

Normális eloszlás, ferdeség és hosszú farok (long tail).

4

Kapcsolatok az adatok között

Korreláció, ok-okozatiság és zavaró változók (confounder).

5

Valószínűség és várható érték

Valószínűség, várható érték és kockázat–haszon számítás.

6

Bayes és a feltételes valószínűség

A Bayes-tétel: új ismeretek alapján frissítjük a véleményünket.

7

Naiv Bayes – interaktív demó

Osztályozz szövegeket élőben a naiv Bayes-algoritmussal.

Opcionális

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Lineáris algebra és analízis

Vektorok, mátrixok, tenzorok, deriváltak és a láncszabály – a mélytanulás (deep learning) nyelve.

Haladó

Érted a vektorokat, a mátrixokat, a tenzorokat, a deriváltakat, a parciális deriváltakat és a láncszabályt mint a hiba-visszaterjesztés (backpropagation) alapját.

6 cikk Tanulók statisztikai alapismeretekkel Előfeltétel: Az adatok matematikája
1

Terek és irányok (vektorok)

Skalár, vektor, dimenziószám és vektortér.

2

Adattáblák és transzformációk (mátrixok)

Mátrix, mátrixszorzás, transzformáció és skaláris szorzat.

3

Tenzorok (a GPU-k nyelve)

A tenzor mint n-dimenziós tömb, kötegelés (batching) és alak (shape).

4

A változás mérése (deriváltak)

Meredekség, változási ütem (rate of change) és minimum/maximum.

5

Parciális deriváltak és a gradiens

Többdimenziós meredekség és a gradiensvektor.

6

Egymásba ágyazott függvények (láncszabály)

Függvénykompozíció és a láncszabály (chain rule) – a hiba-visszaterjesztés előfutára.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Klasszikus, szimbolikus AI

Turingtól a keresésen, a heurisztikákon és a játékelméleten át a szakértői rendszerekig és az AI-télig.

Haladó

Megérted az AI gyökereit, eligazodsz az állapotterekben, magabiztosan kezeled az útvonalkeresést és a játékelméletet, és ismered az AI-tél tanulságait.

7 cikk + 4 demó Tanulók algoritmikus alapismeretekkel Előfeltétel: Informatikai struktúrák és algoritmusok
1

Az AI születése (Turingtól Dartmouthig)

Turing-teszt, a dartmouthi konferencia (1956), ELIZA – a történeti keret.

2

Keresés a gráfban

Állapottér, szélességi keresés (BFS) és mélységi keresés (DFS).

3

Heurisztikák és útvonalkeresés

Heurisztika, költségfüggvény, Dijkstra és az A*-algoritmus.

4

A*-útvonalkeresés – interaktív demó

Nézd meg, hogyan jut át egy labirintuson az A* és a Dijkstra-algoritmus.

Opcionális
5

Ágensek konfliktusban (játékelmélet)

Többágenses rendszerek, zérusösszegű játék és Nash-egyensúly.

6

Minimax és metszés (pruning)

Döntési fa, minimax-stratégia és alfa-béta vágás.

7

Minimax – interaktív demó

Játssz tic-tac-toe játékot egy legyőzhetetlen, minimaxot használó AI ellen.

Opcionális
8

Szabályok és logika (szakértői rendszerek)

Szakértői rendszer, következtetőgép, ha–akkor szabályok és kombinatorikus robbanás.

9

Szabályalapú AI – interaktív demó

Tapasztald meg interaktívan, hogyan épít logikai ok-okozati láncokat egy szakértői rendszer.

Opcionális
10

ELIZA-chatbot – interaktív demó

Csevegj a történelem első szabályalapú terapeutabotjával.

Opcionális
11

Az AI-tél (kudarc és tanulságok)

A Lighthill-jelentés, túlzó ígéretek, és miért bukott el a szimbolikus AI a komplexitáson.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

A gépi tanulás alapjai

Paradigmaváltás: a programozástól a tanításig – felügyelt és felügyelet nélküli tanulás, valamint az értékelés eszközei.

Haladó 0 / 16

Érted a gépi tanulás (ML) paradigmáit, felügyelt tanulású modelleket tanítasz, metrikákkal értékelsz, és ismered a túlillesztést (overfitting) és a felügyelet nélküli tanulást.

8 cikk + 3 demó Tanulók, akik minden alapozó útvonalat elvégeztek Előfeltétel: Informatikai struktúrák és algoritmusok Az adatok matematikája Lineáris algebra és analízis Klasszikus, szimbolikus AI
1

Programozás kontra tanítás

Gépi tanulás, tanítási adatok, modell és inferencia.

2

Felügyelt tanulás (tanulás tanárral)

Címke (label), jellemzők (features), célváltozó (target), osztályozás kontra regresszió.

3

Lineáris és logisztikus regresszió

Illesztett egyenes, szigmoid és hibafüggvény (MSE).

4

A nyersanyag (adatmérnökség)

Jellemzőtervezés (feature engineering), hiányzó értékek és normalizálás.

5

Paraméterek kontra hiperparaméterek

Amit az AI maga tanul meg, kontra amit az ember állít be.

6

Amikor a diák bemagol

Túlillesztés (overfitting), alulillesztés (underfitting), tanító–teszt felosztás és validációs halmaz.

7

Modellek értékelése

Accuracy (pontosság), precizitás, felidézés (recall), F1-pontszám és tévesztési mátrix.

8

Felügyelet nélküli tanulás (struktúra a káoszban)

Klaszterezés (k-means), dimenziócsökkentés (PCA) és anomáliadetektálás.

9

Felügyelt tanulás – interaktív demó

Taníts be egy modellt, és figyeld a döntési határt.

Opcionális
10

Döntési fa – az átlátszó osztályozó

Nézd meg, hogyan bontja fel az adatokat egy igen/nem kérdésekből álló fa – és figyeld élőben, hogyan billen át túlillesztésbe, ha túl sok kérdést tesz fel. A gépi tanulás eszköztárának legátláthatóbb algoritmusa.

Opcionális
11

K-means klaszterezés – interaktív demó

Nézd meg, hogyan rendezi csoportokba az adatpontokat a k-means.

Opcionális

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Mélytanulás (a neurális forradalom)

A mesterséges neurontól az aktiváción, a rejtett rétegeken és a veszteségfüggvényeken át a gradiens ereszkedésig és a hiba-visszaterjesztésig.

Szakértő

Érted a neurális hálókat a perceptrontól a hiba-visszaterjesztésig, és végig tudod követni a teljes tanítási folyamatot.

6 cikk + 3 demó Tanulók gépi tanulási alapismeretekkel Előfeltétel: A gépi tanulás alapjai
1

A mesterséges neuron

Perceptron, súlyok, eltolás (bias) és összegzés.

2

Perceptron – interaktív demó

Tanítsd be lépésről lépésre a legegyszerűbb neurális hálót.

Opcionális
3

A gyújtószikra (aktiváció)

Linearitás kontra nemlinearitás, ReLU és szigmoid.

4

A háló (rejtett rétegek)

Mély neurális háló, rejtett réteg és előrecsatolás (forward pass).

5

Neurálisháló-játszótér – interaktív demó

Építs saját hálóarchitektúrákat, taníts élőben, és nézd meg működés közben a hiba-visszaterjesztést.

Opcionális
6

Hogyan számolja ki az AI, mennyire téved

Veszteségfüggvény, átlagos négyzetes hiba és keresztentrópia.

7

Út a völgybe (gradiens ereszkedés)

Gradiens ereszkedés, tanulási ráta és lokális/globális minimum.

8

Gradiens ereszkedés – interaktív demó

Nézd meg lépésről lépésre, hogyan ereszkedik le a völgybe az optimalizáló.

Opcionális
9

A tanulás szíve (hiba-visszaterjesztés)

Hiba-visszaterjesztés (backpropagation): a hiba visszavezetése a hálón – a láncszabályra építve.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Modern architektúrák (generatív AI)

A tokenizálástól a beágyazásokon, a CNN-eken, az RNN-eken és a transformereken át az LLM-ekig, a transzfertanulásig és a diffúzióig.

Szakértő 0 / 18

Érted a tokenizálást, a beágyazásokat, a CNN-eket, az RNN-eket, a transformereket, az LLM-eket, a transzfertanulást, a mintavételt és a diffúziót.

9 cikk + 4 demó Tanulók mélytanulási alapismeretekkel Előfeltétel: Mélytanulás (a neurális forradalom)
1

Tokenizálás (a gépek ábécéje)

Token, BPE, kontextusablak – miért nem ért az AI szótagokat.

2

Beágyazások és látens tér

Word2Vec, beágyazási vektorok és szemantikus távolság.

3

Szóbeágyazások – a jelentés mint térkép

Interaktív kiegészítés a beágyazásokról szóló fejezethez: a szavakból pontok lesznek, a hasonló fogalmak közel kerülnek egymáshoz, a király - férfi + nő pedig a királynőnél köt ki. Ilyen érzés a vektoros szemantika.

Opcionális
4

Gépi látás (computer vision, CNN-ek)

Konvolúció, szűrő/kernel, pooling és jellemzőkinyerés (feature extraction).

5

Konvolúciós szűrő – interaktív demó

Nézd meg élőben, hogyan találják meg a CNN-szűrők az éleket, a textúrákat és a mintázatokat.

Opcionális
6

Idő és sorozatok (RNN-ek)

Sorozatadatok, rekurrens neurális hálók és eltűnő gradiens.

7

Az áttörés (transformerek és figyelemmechanizmus)

Önfigyelem (self-attention), query/key/value és a transformer-blokk.

8

Figyelemmechanizmus – interaktív demó

Értsd meg lépésről lépésre a query/key/value hármast – minden transformer szívét.

Opcionális
9

Nagy nyelvi modellek (LLM-ek)

Alapmodell (foundation model), előtanítás, a következő token előrejelzése és paraméterszám.

10

Transzfertanulás és finomhangolás

Előtanított súlyok, ellenőrzőpontok (checkpointok) és LoRA.

11

Mintavétel (sampling) és hőmérséklet

Softmax, hőmérséklet, top-k/top-p – miért nem mondja mindig ugyanazt a ChatGPT.

12

Generatív képmodellek (diffúzió)

Látens tér, zaj, zajtalanítás és szövegből kép (text-to-image).

13

GAN-ok – interaktív demó

Tapasztald meg interaktívan, hogyan hoznak létre képeket a GAN-ok.

Opcionális

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Megerősítéses tanulás

Tanulás jutalom alapján: az alapelvtől a Q-tanuláson át az RLHF-ig.

Szakértő

Érted a megerősítéses tanulást, az MDP-t, a Q-tanulást és az RLHF-et – azt, hogyan tanul udvariasságot a ChatGPT.

3 cikk + 2 demó Tanulók mélytanulási alapismeretekkel Előfeltétel: Mélytanulás (a neurális forradalom)
1

Mézesmadzag és bot (az alapelv)

Ágens, környezet, állapot, cselekvés és jutalom (agent, environment, state, action, reward).

2

Többkarú rabló – interaktív demó

Tapasztald meg a felfedezés és a kiaknázás dilemmáját a játékautomatánál.

Opcionális
3

Stratégiák kidolgozása (Q-tanulás és MDP-k)

Markov-döntési folyamat (Markov decision process), stratégia (policy), felfedezés kontra kiaknázás.

4

Q-tanulás – interaktív demó

Figyeld meg, hogyan találja meg egy ágens Q-tanulással a kijáratot.

Opcionális
5

RLHF (hogyan tanulnak udvariasságot az LLM-ek)

Megerősítéses tanulás emberi visszajelzés alapján (RLHF), összehangolás (alignment) és jutalommodell.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Társadalom és befogadás

Társadalmi és jogi vonatkozások, az egyes célcsoportokra szabva.

Etika és mítoszok

Tudat, torzítás (bias), szerzői jog és prompt injection támadások – a kritikus kérdések az AI körül.

Kezdő

Meg tudod különböztetni az AGI-t a sztochasztikától, elemzően érted a tanítási torzítást, ismered a szerzői jogi kérdéseket és a prompt injection kockázatait.

4 cikk Minden érdeklődő Nincs
1

Tudat kontra valószínűség

AGI, érzőképesség (sentience) és a sztochasztikus papagáj.

2

Torzítás és adatminőség

Tanítási torzítás, lehetetlenségi tétel (impossibility theorem), jel kontra zaj.

3

Szerzői jog és adatlopás

Fair use (méltányos használat), opt-out (kimaradás) és szerzői jog a nyers tanítási adatokban.

4

Biztonság és prompt injection

Jailbreakek, adatkiszivárogtatás (data exfiltration), és hogyan lehet túljárni a nyelvi modellek eszén.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Európa és jog

Az uniós AI-rendelet (EU AI Act), az alapmodellek szabályozása és adatvédelem az AI-alkalmazásokban.

Kezdő Elérhető: 2026. nov. 4.

Érted az uniós AI-rendeletet (EU AI Act), az alapmodellekre vonatkozó átláthatósági kötelezettségeket és a GDPR következményeit az AI-rendszerekre nézve.

3 cikk Minden érdeklődő Nincs
1

Az uniós AI-rendelet (EU AI Act)

Elérhető: 2026. nov. 4.

2

Az alapmodellek szabályozása

Elérhető: 2026. nov. 4.

3

Adatvédelem és AI (GDPR)

Elérhető: 2026. nov. 4.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Időseknek (AI a mindennapokban)

Digitális segítő, biztonság az interneten és az önrendelkezés megőrzése.

Kezdő 0 / 1

Mindennapi segítőként használod az AI-t, felismered a csalási trükköket, és megtartod az irányítást az adataid felett.

3 cikk + 2 demó Idősek, később csatlakozók Nincs
1

Digitális segítő

Hangasszisztens, fordítás és felolvasás.

2

Első AI-élmény – interaktív demó

Biztonságos első beszélgetés egy egyszerű chatbottal.

Opcionális
3

Biztonság és csalás elleni védelem

Unokázós csalás 2.0, hangklónozás és az adathalászat felismerése.

4

E-mail-védőpajzs – interaktív demó

Tapasztald meg, hogyan ismeri fel egy spamszűrő a gyanús e-maileket.

Opcionális
5

Az önrendelkezés megőrzése

Leiratkozás (opt-out) a szolgáltatóknál és az adatmegosztás ellenőrzése.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Diákoknak és egyetemistáknak

Tanulás az AI segítségével csalás helyett, a deepfake-ek felismerése és a források kritikus ellenőrzése.

Kezdő

Korrepetitorként használod az AI-t, felismered a deepfake-eket és a szintetikus médiát, és kritikusan ellenőrzöd a forrásokat.

2 cikk + 3 demó Diákok, egyetemisták Nincs
1

Lernen mit KI (Statt Schummeln)

Szókratészi párbeszéd, AI-korrepetitor és a hallucinációk kritikus megkérdőjelezése.

2

Igazság az interneten

Deepfake-ek, forrásellenőrzés és szintetikus média.

3

Az autók megtanulnak vezetni – interaktív demó

Figyeld meg, hogyan tanulják meg az autók neuroevolúcióval egy versenypálya leküzdését. Vezess te is, és versenyezz az AI ellen.

Opcionális
4

Játék a számítógép ellen – interaktív demó

Szállj versenybe egy AI ellen, amely a minimax-módszerrel választja ki a legjobb lépést.

Opcionális
5

A legrégebbi chatbot – interaktív demó

Csevegj ELIZA-val, a történelem első chatbotjával.

Opcionális

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Második agy és digitális ikrek

A tudás rendszerezése a fejeden kívül – és annak megértése, mire képesek a valós dolgok digitális másai, és hol vannak a korlátaik.

Kezdő Elérhető: 2026. dec. 2.

Saját második agyat (second brain) építesz fel, ahelyett hogy olyan jegyzeteket gyűjtenél, amelyeket soha többé nem olvasol el, és el tudod magyarázni, mi különbözteti meg a digitális ikret egy puszta szimulációtól.

2 cikk Mindenki – nem kell hozzá műszaki előismeret Nincs
1

Második agy: a külső memóriád

Elérhető: 2026. dec. 2.

2

Digitális ikrek

Elérhető: 2026. dec. 2.

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%

Vegyes válogatás

Folyamatosan bővülő vitrin azoknak a demóknak, amelyek egyetlen szakmai útvonalba sem illenek – klasszikusok, kuriózumok, kis különcök.

Vegyes válogatás

Ide kerülnek azok a demók, amelyek egyetlen más útvonalba sem akarnak beilleszkedni – klasszikusok, kuriózumok, kis különcök. Folyamatosan bővülő vitrin, közös tanterv nélkül. Néha valamelyik átköltözik egy szakmai útvonalba, néha egy új csatlakozik.

Kezdő

Válogatott, önálló demókat kapsz – egy kis kalandozás két dolog között. Csak kíváncsiság, házi feladat nélkül.

2 demó Kíváncsiaknak Nincs
1

Boids – rajviselkedés

Madaranként három egyszerű szabály, és ebből vezető nélküli raj születik.

Opcionális
2

Evolúció – mutáció és szelekció

Apró élőlények nemzedékeit véletlenszerűen megváltoztatja és kiválogatja a rendszer – evolúció, amelyet végignézhetsz.

Opcionális

Tanúsítvány letöltése

Kattints az állapot megtekintéséhez

0%