⚡ Magyar AI Szakember Tudástár
A(z) Magyar AI Szakember szakma digitális lenyomata és tanulási rendszere.
I. Főcsoport: Alapozás – Nyelv, Gondolkodás és AI
A szakma különlegessége: a magyar nyelv mint precíziós eszköz az AI-kommunikációban.
01. Terminológia és Alapfogalmak (Glosszárium)
0 / 20 (0%)
Czuczor-Fogarasi Szótár, UNESCO digitális örökség iránymutatások, OpenAI / Anthropic modell-dokumentációk.
Nagy nyelvi modell (LLM) fogalma, token, kontextusablak, hőmérséklet (temperature) hatása, hallucináció definíciója, magyar vs. angol nyelvű promptok feldolgozási különbségei.
02. A Czuczor-Fogarasi Szótár mint Szakmai Eszköz
0 / 20 (0%)
Czuczor Gergely – Fogarasi János: A Magyar Nyelv Szótára, MTA Nyelvtudományi Intézet, digitalizált adatbázis.
A szótár szerkezete és a gyökalapú szócikkrendszer logikája, a magyar szókincs rétegei (tőszavak, összetételek, képzett szavak) és szemantikai pontosságuk az utasításadásban.
03. Kritikus Gondolkodás és AI-tudatosság
0 / 20 (0%)
EU AI Act (2024/1689), UNESCO AI etikai ajánlás, NMHH médiatudatossági iránymutatások.
AI-kimenet kritikus értékelésének szempontjai, mikor bízzunk az AI-ban és mikor ellenőrizzük, deepfake azonosítása, az AI mint eszköz és a szakmai felelősség.
II. Főcsoport: Prompt Engineering – A Pontos Utasítás Művészete
Hogyan kommunikáljunk az AI-jal úgy, hogy az valóban azt csinálja, amit akarunk.
04. Prompt Engineering Alapjai
0 / 20 (0%)
Anthropic, OpenAI, Google prompt engineering útmutatók.
Prompt elemei (szerep, kontextus, feladat, formátum, korlátok), few-shot vs. zero-shot, Chain-of-Thought (lépésenkénti gondolkodás), negatív utasítások helyes használata.
05. Magyar Nyelvi Precizitás a Promptokban
0 / 20 (0%)
Czuczor-Fogarasi adatbázis, MTA Magyar helyesírási szabályzat, Grétsy László munkái.
Tág jelentéstartományú szavak okozta félreértések, szinonimák tudatos alkalmazása, szaknyelvi és köznyelvi szavak eltérő értelmezése.
06. Rendszer-promptok és Szerepalapú Utasítások
0 / 20 (0%)
Szakmai szabványok / források
System prompt és user prompt különbsége, AI-asszisztens személyiségének (pl. ügyfélszolgálati, HR, jogi) meghatározása, a promptok iteratív finomítása.
III. Főcsoport: No-Code Automatizáció
Folyamatok összekapcsolása kódolás nélkül.
07. Automatizálási Platformok és Logika
0 / 20 (0%)
Make (Integromat), n8n, Zapier dokumentációk.
Trigger–akció–feltétel logika, webhook fogalma, adatmappelés (mezők összekapcsolása), hibakezelés és értesítések.
08. AI Integrálása Automatizálásokba
0 / 20 (0%)
Szakmai szabványok / források
Claude / ChatGPT / Gemini API hívása, szöveg-generálás automatizálása, strukturált kimenet (JSON) kérése és feldolgozása, token-költség tudatos kezelése.
09. Adatforrások és Integrációk
0 / 20 (0%)
Szakmai szabványok / források
Google Sheets, Airtable, e-mail (Gmail/Outlook), naptár és CRM-rendszerek (HubSpot, Pipedrive) integrálása, webhookon keresztüli összekapcsolások.
IV. Főcsoport: AI Ágensek és Összetett Munkafolyamatok
Amikor az AI nemcsak válaszol, hanem cselekszik is.
10. AI Ágensek Fogalma és Tervezése
0 / 20 (0%)
Anthropic Agent dokumentáció, LangChain, AutoGPT leírások.
AI ágens vs. chatbot különbsége, eszközhasználat (tool use), ágens-tervezés lépései, emberi felügyelet (human-in-the-loop).
11. Tudásbázis-építés és RAG-rendszerek
0 / 20 (0%)
Szakmai szabványok / források
RAG (Retrieval-Augmented Generation) alapelve, vektoros keresés, saját dokumentumok feltöltése (NotebookLM, CustomGPT, Dify), a Czuczor-Fogarasi szótár mint RAG-forrás.
V. Főcsoport: Üzleti Alkalmazások
Konkrét munkahelyi felhasználási területek.
12. Tartalomkészítés és Szövegírás AI-val
0 / 20 (0%)
Szakmai szabványok / források
Blogpost, hírlevél és közösségi média tartalmak gyártása, szerkesztési vs. generálási szerep, brand voice átadása, SEO-szempontok AI-szövegekben.
13. HR, Toborzás és Belső Kommunikáció
0 / 20 (0%)
Szakmai szabványok / források
Álláshirdetések generálása, önéletrajz-elemzési sablonok, belső szabályzatok összefoglalása, onboarding tudásbázis karbantartása.
14. Adatelemzés és Döntéstámogatás
0 / 20 (0%)
Szakmai szabványok / források
Táblázatos adatok értelmezése (CSV, Code Interpreter), piackutatási anyagok szintézise, versenytárs-elemzés, dashboard-narratíva írása.
VI. Főcsoport: Jogi, Etikai és Adatvédelmi Keretek
15. GDPR és AI az Üzleti Gyakorlatban
0 / 20 (0%)
GDPR, NAIH iránymutatások, EU AI Act.
Személyes adatok AI-ba töltésének szabályai, adatfeldolgozói szerződés (DPA), KKV-szintű kötelezettségek, szerzői jog.
16. AI-etika és Felelős Használat
0 / 20 (0%)
UNESCO, Anthropic / OpenAI usage policy.
Elfogultság (bias) az AI kimenetekben, átláthatóság az AI-generált tartalmaknál, az emberi döntéshozás megőrzése.
VII. Főcsoport: Mesterkurzus (Speciális Tudás)
17. Prompt-tervezési Minták és Sablonkönyvtár
0 / 20 (0%)
Szakmai szabványok / források
10 újrafelhasználható prompt-sablon (összefoglalás, elemzés, generálás stb.) valós példákkal, a Czuczor-Fogarasi adatbázis precíz szóhasználati példái.
18. Rejtett összefüggések és Szakmai csapdák
0 / 20 (0%)
Szakmai szabványok / források
Miért ad eltérő választ az AI ugyanarra a kérdésre? Szemantikai egyértelműség hatása, automatizált hibák kiszűrése, overconfidence pattern (amikor az AI túl magabiztosan téved).
VIII. Főcsoport: Mesterkurzus (Speciális Tudás)
19. Komplex AI Számítások és Költségoptimalizálás
0 / 20 (0%)
Szakmai szabványok / források
Token-felhasználás és API költségek pontos kalkulációja, batch feldolgozások vs. streaming lekérdezések árazása.
20. Rejtett összefüggések és Szakmai csapdák
0 / 20 (0%)
Jövőbeli modulok / Szakmák jegyzéke.
Miért hallucinál kevesebbet az AI precíz szóhasználatnál? A szemantikai egyértelműség hatása, az automatizált hibák elterjedése, valamint az "overconfidence pattern" (amikor az AI magabiztosan téved) azonosítása.