TechMeetup #34: AI ve vývoji

Březnový TechMeetup přinese pohled na nejnovější trendy v oblasti umělé inteligence a jejího využití v programování. Společně prozkoumáme tokenizaci, pokročilé AI nástroje pro kódování i praktické využití embeddingů. Po přednáškách plánujeme i workspace, kde půjdeme více do hloubky. Máme také pro vás soutěž o vstupenku na WebExpo!

Harmonogram: 17:00 open door 17:30 uvítání 17:35-18:45 první blok božích přednášek 18:45-19:00 pauza 19:00-19:30 druhý blok božích přednášek 19:30-? workspace a networking

Tokeny, tokenizace a další meta havěť Josef Podaný - CEO/CTO Nomodo.ai

Jak LLM zpracovávají text? Klíčem je tokenizace – proces, který text rozkládá na tokeny a ovlivňuje výkon i cenu modelu. Podíváme na principy tokenizace, rozdíly mezi modely a roli metadat, která nenápadně formují odpovědi AI. Stručně, prakticky a s trochou meta havěti navíc!

Bio: Pepa je developer tělem i duší. Founder a CEO v Nomodo.ai - LLM hub pro developery pro snadnou integraci, monitoring a management AI v aplikacích.

--------------

Coding with AI Agent in Cursor IDE Patrik Szewczyk - Head of Frontend @AGRP[DEV]

V tomto talku ukážu nejmodernější AI nástroje na tvorbu kódu jako jsou například Copilot, Cursor, Windsurf, v0 nebo také Bolt.new. Ukážu možnosti využívání těchto nástrojů, porovnám je mezi sebou. Ukážu, jakým způsobem vyvíjím já osobně, konkrétně v Cursor IDE.

Bio: Patrik Szewczyk je zkušený frontendový vývojář a technologický nadšenec, který se specializuje na moderní vývojové přístupy a cutting-edge technologie. S více než šesti lety zkušeností v ATLASu a dlouholetou praxí s GraphQL, Reactem a AI nástroji (včetně Copilota a GPT) pomáhá budovat inovativní digitální produkty. Navrhoval a vyvíjel frontend od nuly pro projekty jako CODEXIS, ONEPOST a DATIFY, kde klade důraz na efektivitu, škálovatelnost a technologickou udržitelnost.

--------------

Vectors in Practice: Beautiful and Ugly Sides of Embeddings Jirka Krokviak - Java Developer @AGRP[DEV]

V tomto talku se zaměřím na embeddingy – jak vznikají, k čemu slouží a proč jsou klíčovými stavebními prvky moderních AI řešení. Proberu jejich výhody a nevýhody. Také se dozvíte, kde a jak správně embeddingy aplikovat a kdy využít různé optimalizace. Na závěr si ukážeme krátkou implementaci využívající Milvus a shrneme tipy pro efektivní práci s embeddingy v praxi.

Bio: Jiří je mladý a zapálený backendový vývojář a student VŠB-TUO specializující se na Javu. V současnosti pracuje na projektech v @Codexis, kde se podílel na implementaci RAG, real-time AI chat systému a kontextového právního hypertexteru. Má zkušenosti s technologiemi jako Java, Spring, GraphQL, PostgreSQL, AWS a Kubernetes.

• Vývoj softwaru a aplikací
• Meetup