AI od základů
Kompletní kurz umělé inteligence, od matematiky až po LLM, agenty a MCP. Třicet kapitol, každá stojí za přečtení sama o sobě.
Perceptron od nuly: co počítá neuron
Neuron je vážený součet a práh. To je celá myšlenka — a její limity si vynutily všechno, co přišlo potom.
Odkud se bere ztrátová funkce: z věrohodnosti, ne z konvence
Kvadratická chyba není konvence. Je to tvrzení o šumu — a můžete sledovat, jak selže.
Z kopce dolů: Gradient Descent a dva kroky, které všichni přeskakují
Minus píše každý. Skoro nikdo neříká, proč tam je ani jak velký krok ještě přežije.
Klasifikace, křížová entropie a jak neobelhat sami sebe
Přesnost je nejjednodušší číslo k vykázání — a také to, kterým se necháte nejsnáze oklamat.
Backpropagation od nuly: nejdřív engine, potom síť
Backpropagation není algoritmus neuronových sítí. Je to řetězové pravidlo aplikované na graf, a to efektivním směrem.
Jak síť přimět trénovat a generalizovat
Gradient je správný, a síť se přesto neučí. Tato kapitola je o rozdílu mezi tím.
Sestavte BPE tokenizér: proč váš model neumí spočítat R
Model nikdy nevidí písmena. Vše zvláštní na tom, jak hláskuje, počítá a odsazuje, vychází právě z toho.
Next-token prediction: embedding a co znamená perplexity
Jeden cíl, žádné štítky a tabulka vektorů, kterou nikdo nenavrhl.
Attention a Transformer block odvozené z průměru
Attention není vzorec, který máte prostě přijmout. Dostanete ji, když přestanete minulost průměrovat rovnoměrně a necháte model volit váhy.
Pretrénování LLM: data, výpočty, škálovací zákony a náklady
Zbývající rozhodnutí už nejsou programátorská. Jsou to nákupy.
Od základního modelu k asistentovi: SFT, RLHF, DPO a GRPO
Předtrénovaný model neodpovídá na otázky. Pokračuje v textu — rozdíl je druhá fáze tréninku, kterou nikdo nevidí.
Chain of Thought, RLVR a Test-Time Compute v číslech
Model nemyslí. Jen před odpovědí utratí víc tokenů – a to se dá měřit i účtovat.
Jak zlevnit inference: KV Cache, batching a kvantizace
Generování nejsou jeden problém: výpočetně náročný první token následují tisíce paměťově vázaných token.
Váš první produkční LLM call: streaming, retry a timeouty
Model je teď za portem. Od této chvíle skoro nic z toho, co se pokazí, není matematika.
Prompt engineering v číslech: co mění výstup
O prompt se nevede spor, prompt se měří. Čtyři varianty na dvaceti případech nerozliší vůbec nic.
Context window, tokens a účet — změřeno
Context window není paměť. Při každém callu se plní znovu od nuly a za to doplnění platíte.
Teplota, top-p a determinizmus, který nemáte
Teplota model nedělá kreativnějším. Zvyšuje pravděpodobnost token, které model sám ohodnotil nejhůř — a můžete to vidět.
Tool Calling a strukturované výstupy: smlouva, která drží
Model nikdy nic nespouští. Požádá ve tvaru, který jste definovali — a tvar je jediná část, kterou řídíte.
RAG v produkci: chunking, retrieval a poctivé citace
Špatný chunking zničí odpověď ještě před vyhledáváním a žádný reranker ji nezachrání.
Fine-tuning, retrieval, nebo prompt? Rozhoduje ekonomika
Nikdo se na tuhle otázku neptá kvůli modelu. Ptá se kvůli rozpočtu.
Multimodální ceny: za co se u obrázků, audia a videa opravdu účtuje
Fotografie nestojí jednu fotografii. Stojí tokeny podle vzorce, který jste si nevybrali.
Co je AI agent: pět klasických typů a dvě soupeřící definice
Jeden nástroj v katalogu změnil jedno volání na dvě a 39 input tokenů na 420. Zda z toho byl agent, záleží na definici.
Vytvořte agent harness: smyčka a jejích pět cest ven
Smyčka má patnáct řádků. Všechno, díky čemu ji lze nasadit, je způsob, jak ji opustit.
Context engineering: proč je váš agent ve 40. kole hloupější
Okno nepřeteklo. Informace se jen posunula a agent ji přestal nacházet.
Orchestrace multi-agentů: pět vzorců a kdy jeden vítězí
Čtyři uspořádání, jeden úkol, jeden účet. Nejlevnější se mýlilo a nejdražší neumělo zkontrolovat své vlastní pracovníky.
MCP podle specifikace: co server opravdu je
Není to magie. Je to transport, formát zpráv a tři primitiva — a můžete to napsat ručně.
Nasazení MCP serveru: TypeScript a Python pod měřením
Dvě SDK, jeden wire protocol. Zajímavé rozdíly jsou ty, které protocol nevidí.
Agent Skills a SKILL.md: postupné odhalování, změřeno
Skill je složka se souborem Markdown. Všechno zajímavé plyne z toho, která část souboru se čte a kdy.
Evaluace LLM: od veřejných benchmarků k vaší zlaté sadě
Číslo bez intervalu je anekdota s desetinnými místy.
Prompt injection a smrtící trifecta: jak zabezpečit skutečný agent
Model nerozezná Vaši instrukci od instrukce cizího člověka. Vše, co funguje, stojí na přijetí tohoto faktu.