AI 57
- Jak centrálně spravovat a řídit skills pro agenty a zejména jejich samostatné zlepšování
- Jak ušetřit na tokenech v kódovacích agentech typu GitHub Copilot
- Je předplatné vhodný obchodní model pro AI produkt? Zdražuje AI? Zdražují tokeny? Nebo se jen najíždí na férový model?
- AI kódování - kontext vs. měření, software jako paměť, váš software se učit nebudu, OpenClaw a chytrá domácnost
- Spirální čtení, poslech a pokec - moje AI workflow pro nasání knihy do mozku
- Tři cesty k GenUI a jejich výhody a nevýhody
- Nový standard Agent Skills pro vaše kódovací pracanty v GitHub Copilot
- Coding agenti - paralelní práce agentů na vašich úkolech
- Deep dive do observability AI agentů s Microsoft Agent Framework - tracing s open source nástroji Aspire Dashboard a Langfuse
- Deep dive do observability AI agentů s Microsoft Agent Framework - metriky a logy, konverze na managed Prometheus a Grafana v Azure
- Deep dive do observability AI agentů s Microsoft Agent Framework - OpenTelemetry semantic conventions a použití OTEL kolektoru
- AI self-orchestrace aneb bez lidského vedení to často bude lepší. Kdy se raději zbavit rigidity LangGraph a vsadit na self-orchestraci ve stylu Agent Service nebo Semantic Kernel?
- Jak na jednoduchou AI analýzu textu? Mám použít LLM, finetuning, vlastní model nebo hrátky nad embeddingy? A za kolik to všechno?
- Jak a kdy dělám vibe coding
- Aplikační architektura škálovatelného AI chatu - observabilita
- Aplikační architektura škálovatelného AI chatu - historie a dlouhodobá paměť
- Aplikační architektura škálovatelného AI chatu - asynchronní chat, zpracování i streamování
- Ukázka AI ad-hoc generovaného UI s Python FastHTML a OpenAI
- Rozhodne se AI vynechat React či Angular a máme čekat nárůst AI-generovaného server-side UI s HTMX a FastHTML?
- Jak nechat jazykový model přemýšlet a při tom používat nástroje podle potřeby s o4-mini. Začnou modely uvažovat v ne-lidštině?
- OpenTelemetry pro observabilitu v LangGraph aplikaci do Aspire dashboardu a Application Insights
- Přidejte si vlastní nástroje do GitHub Copilot s napojením na MCP server
- Je krumpáč skladem? A funguje slevový kód? Ať to zjistí AI Agent! A co dál? Co třeba herní kouč?
- Vlastní data (RAG) pro vašeho AI agenta část třetí - AI samo volí strategii, jak se dostat k datům
- Vlastní data (RAG) pro vašeho AI agenta část druhá - graf znalostí a pokročilé metody
- Vlastní data (RAG) pro vašeho AI agenta část první - krok za krokem s Python a PostgreSQL
- Chytré optimalizace a řízení přístupu k Azure OpenAI s použitím GenAI gateway v Azure API Management
- Asynchronní pattern pro vaše AI aplikace
- Jak potrápit reasoning AI? Co dát Člověče nezlob se?
- Zkoušejte a vyvíjejte AI aplikace zadarmo s GitHub Models - OpenAI, Llama, Mistral i Phi
- Jiskra naděje pro ty, co mají skvělé nápady na aplikace, ale neumí ani trochu programovat - GitHub Spark
- Vaše vlastní AI chatbot aréna včetně monitoringu s OpenTelemetry, AI Foundry, Gradio a Azure Container Apps nahozená přes Terraform
- Váš vlastní code interpreter jako služba v Azure Container Apps s LLM a LangChain
- Je open source počítačové vidění typu YOLO dost dobré? A jak ho rozjet v Azure? Část 4: výkon, zabalení a servírování přes API
- Open source velký jazykový model v Azure - vyzkoušejme Meta Llama 2 v Azure ML
- Je open source počítačové vidění typu YOLO dost dobré? A jak ho rozjet v Azure? Část 3: vlastní model, přitrénování vs. přetrénování
- Je open source počítačové vidění typu YOLO dost dobré? A jak ho rozjet v Azure? Část 2: finetuning vlastními obrázky
- Když AI trénuje AI: Jak GPT učí rybařit lamu (LLaMa) v projektech Alpaca, Vicun nebo Orca od Microsoftu?
- Je open source počítačové vidění typu YOLO dost dobré? A jak ho rozjet v Azure? Část 1: natrénovaný model
- Jakou vybrat v Azure databázi pro vektory, důležitou součást řešení pro zahrnutí vlastních dat do ChatGPT?
- Open source modely v Azure Machine Learning - mají na ChatGPT? Zkusíte si sami?
- Velké jazykové modely v AI: Blábolení, které začalo být zatraceně užitečné
- Azure OpenAI Service - vytažení informací z českého textu do JSON
- Azure OpenAI Service - doporučení podobného filmu a chytré vyhledávání prakticky
- Azure OpenAI Service - sumarizace textu v češtině prakticky
- AI v Azure prakticky: trénování vlastní klasifikace obrázků - AutoML vs. Custom Vision vs. holý TensorFlow kód v Azure
- Azure Machine Learning Pipeline prakticky
- Proč je snazší rozprášit lidstvo v šachu, než v Halo nebo Battlefield aneb Reinforcement Learning pro zelenáče
- Kubernetes pro velká data a strojové učení - proč AzureML nebo Apache Spark používá projekt Volcano?
- Tenhle člověk neexistuje - generativní modely pro zelenáče
- Kolik jazyků umíš, tolikrát jsi robotem - Recurrent Neural Networks a Transformers pro zelenáče
- Jak to vidí počítač - Convolutional Neural Networks pro zelenáče
- Machine Learning - úvod pro zelenáče jako jsem já
- Osoby a obsazení aneb jak Microsoft AI vytáhne entity z textu včetně češtiny
- Azure právě dramaticky zlepšil svou mluvenou češtinu aneb od Jakuba k Vlastičce
- Azure AI už rozumí mluvené češtině - jak si v tom vede cloudová trojka Microsoft, Google a Amazon?
- Plyšový oslík nebo ovečka? Vyzkoušejme trénování Microsoft robota Custom Vision.