Přeskočit na obsah

David Vicente Campos

Zakladatel NeuraLIA Labs a spoluzakladatel MyRealFood

Jsem inženýr informatiky, absolvent Univerzity v Leónu. Spoluzaložil jsem MyRealFood, kde jsem jako CTO vytvořil aplikaci, kterou miliony lidí používaly ke zdravějšímu stravování, a založil jsem NeuraLIA Labs, kde vyvíjím AI produkty. Píšu tu o tom, čemu jsem musel cestou porozumět, tak, jak bych si tehdy přál, aby mi to někdo vysvětlil.

AI od základů

30 kapitol

  1. Perceptron od nuly: co počítá neuron
  2. Odkud se bere ztrátová funkce: z věrohodnosti, ne z konvence
  3. Z kopce dolů: Gradient Descent a dva kroky, které všichni přeskakují
  4. Klasifikace, křížová entropie a jak neobelhat sami sebe
  5. Backpropagation od nuly: nejdřív engine, potom síť
  6. Jak síť přimět trénovat a generalizovat
  7. Sestavte BPE tokenizér: proč váš model neumí spočítat R
  8. Next-token prediction: embedding a co znamená perplexity
  9. Attention a Transformer block odvozené z průměru
  10. Pretrénování LLM: data, výpočty, škálovací zákony a náklady
  11. Od základního modelu k asistentovi: SFT, RLHF, DPO a GRPO
  12. Chain of Thought, RLVR a Test-Time Compute v číslech
  13. Jak zlevnit inference: KV Cache, batching a kvantizace
  14. Váš první produkční LLM call: streaming, retry a timeouty
  15. Prompt engineering v číslech: co mění výstup
  16. Context window, tokens a účet — změřeno
  17. Teplota, top-p a determinizmus, který nemáte
  18. Tool Calling a strukturované výstupy: smlouva, která drží
  19. RAG v produkci: chunking, retrieval a poctivé citace
  20. Fine-tuning, retrieval, nebo prompt? Rozhoduje ekonomika
  21. Multimodální ceny: za co se u obrázků, audia a videa opravdu účtuje
  22. Co je AI agent: pět klasických typů a dvě soupeřící definice
  23. Vytvořte agent harness: smyčka a jejích pět cest ven
  24. Context engineering: proč je váš agent ve 40. kole hloupější
  25. Orchestrace multi-agentů: pět vzorců a kdy jeden vítězí
  26. MCP podle specifikace: co server opravdu je
  27. Nasazení MCP serveru: TypeScript a Python pod měřením
  28. Agent Skills a SKILL.md: postupné odhalování, změřeno
  29. Evaluace LLM: od veřejných benchmarků k vaší zlaté sadě
  30. Prompt injection a smrtící trifecta: jak zabezpečit skutečný agent