Ikona kurzu Programátor AI Agentů

Programátor AI Agentů

Klasické jazykové modely (LLM) jsou fascinující, ale samy o sobě jsou izolované – neumí „jednat“. Budoucnost AI nepatří pasivním chatbotům, ale autonomním agentům, kteří mají paměť, používají nástroje a dokáží interagovat s okolním světem. V tomto kurzu nebudeme jen generovat texty. Naučíme vás stavět systémy, které za vás pracují. Představte si software, který sám naplánuje úkoly, vyhledá informace v interní databázi, spojí se s API vašich služeb a doručí hotový výsledek. Zvládnutí technologií jako LangGraph, Model Context Protocol (MCP) či Autogen vám dá obrovskou konkurenční výhodu. Zatímco ostatní se učí psát lepší prompty, vy budete stavět architekturu, která nahradí rutinní lidskou práci inteligentní automatizací. Toto je příležitost stát se průkopníkem v oblasti, která bude definovat vývoj softwaru v příštích letech.
Ikona kurzu Programátor AI Agentů

Předpoklady

Základní znalost programování v libovolném jazyce. Pro praktická cvičení se hodí orientace v Pythonu na úrovni „rozumím kódu“ – plně to stačí. Předchozí zkušenost s AI ani DevOps není podmínkou, vším vás provedeme od základů.

Pro koho je kurz určen?

Kurz primárně cílí na vývojáře a softwarové specialisty, kteří chtějí ve své profesi zavádět umělou inteligenci a autonomní agenty, i na ty, kdo se chtějí orientovat na nově vznikající profese AI programátorů a architektů.

Vývojáři

Chtějí stavět autonomní agenty s pamětí, nástroji a daty místo izolovaných chatbotů.

Softwaroví architekti

Navrhují systémy a potřebují rozumět architektuře multi-agentních a RAG řešení v produkci.

AI & ML inženýři

Chtějí ovládnout provoz LLM, fine-tuning a nasazování modelů na NVIDIA stacku.

DevOps & IT specialisté

Potřebují provozovat AI aplikace na Kubernetes s monitoringem a škálováním.

Jak výuka probíhá?

Kurz je veden online formou, takže se můžete připojit odkudkoliv. V lekcích kombinujeme vysvětlení, ukázky a praktická cvičení a ze všech lekcí máte k dispozici videozáznamy, ke kterým se můžete kdykoliv vrátit.

Videozáznamy

Všechny lekce máte v e-learningu pro neomezené přehrávání.

GPU cloud

Praktická cvičení na našich GPU instancích – bez nákladného hardwaru.

Praktická cvičení

Nové dovednosti si rovnou vyzkoušíte na konkrétních úlohách z praxe.

Nepovinné domácí úkoly

Mezi lekcemi můžete pracovat na úkolech se zpětnou vazbou lektorů.

Společný kanál

Prostor pro dotazy, sdílení řešení a komunikaci s ostatními účastníky.

Praxe nad teorii

Reálný hardware pro provoz LLM a agentních systémů na dosah.

Kdy výuka probíhá?

Výuka probíhá intenzivně dvakrát týdně, s pravidelným večerním rytmem, který lze dobře skloubit s prací i vlastní přípravou mezi lekcemi.

  • 2 dny v týdnu – vždy v úterý a ve čtvrtek.
  • Čas výuky – od 18:00 do 20:00, s krátkou přestávkou uprostřed.

Osnova kurzu​

V tomto bloku projdeme práci se samotnými LLM modely včetně jejich ladění a provozu s využitím nástrojů od NVIDIE. Je to nezbytný základ pro každého, kdo chce posunout své dovednosti na profesionální úroveň a získat oficiální NVIDIA certifikaci.

1. Od neuronu k LLM

Popularizační formou si projdeme cestu od jednoho neuronu přes vícevrstvé sítě, rekurentní neurony a embedding vrstvy až k architektuře Transformeru. Pochopíte, jak moderní jazykové modely skutečně fungují.
 

2. Tvorba jednoduchých neuronových sítí

Od teorie k praxi – postavíte svou první neuronovou síť. Naučíte se navrhnout architekturu, připravit data, síť natrénovat a vyhodnotit její výsledky. Získáte praktický základ, na kterém stojí všechny moderní AI modely.
 

3. Tvorba jednoduchých neuronových sítí – cvičení

Teorii proměníme v dovednost. Pod vedením lektora si sami sestavíte a natrénujete vlastní neuronovou síť, vyzkoušíte si ladění jejích parametrů a ověříte, jak jednotlivá rozhodnutí ovlivňují výslednou přesnost.
 

4. Optimalizace a fine-tuning modelu

Naučíte se dostat z modelů maximum výkonu – optimalizaci pomocí TensorRT-LLM a praktický fine-tuning i trénování v NVIDIA NeMo. Získáte jasno v zásadním rozhodnutí: kdy se vyplatí doučování modelu (NeMo) a kdy je lepší zvolit technologii RAG.
 

5. Provoz modelu

Ovládnete nasazení modelů do reálného světa v podobě moderních mikroslužeb. Ukážeme si práci s Triton Inference Server i nejnovějším NVIDIA NIM a porovnáme NIM vs. Triton vs. vlastní hosting, abyste uměli vybrat ideální řešení pro jakékoliv prostředí.
 

6. Hardware pro modely

Zjistíte, na čem moderní AI skutečně běží. Projdeme GPU a jejich paměť, roli VRAM při inferenci i trénování, kvantizaci modelů a naučíte se odhadnout, jaký hardware potřebujete – od lokálního provozu menších modelů až po výběr GPU v cloudu.

Tento blok nás provede dynamickým světem AI agentů. Vysvětlíme si, jak agent funguje, a prakticky si vyzkoušíme stavět spolupracující systémy – od vlastní znalostní databáze přes RAG až po architekturu komplexních distribuovaných agentů.

1. Pokročilý prompting a context management

Ovládnete techniky pro bezpečné a efektivní řízení modelů – obranu proti prompt injection, validaci výstupů a vynucování pravidel (policy enforcement). Ukážeme si i zapojení člověka přes Human-in-the-loop.
 

2. Tvorba agentů v LangChain

Pochopíte, jak se staví skuteční AI agenti – jak přemýšlejí, plánují své kroky a využívají nástroje. Naučíte se skládat logiku do přehledných a znovupoužitelných komponent, které tvoří základ reálných AI aplikací.
 

3. LangChain – cvičení

Prakticky si osvojíte práci s LangChain. Pod vedením lektora si sami postavíte vlastního agenta, napojíte ho na nástroje a otestujete jeho chování na reálných úlohách.
 

4. Spolupracující agenti a LangGraph

Postavíte agenty, kteří si pamatují kontext a dokážou efektivně spolupracovat. Naučíte se vytvářet systémy s různými rolemi, které si předávají úkoly a společně řeší složité problémy – základ autonomních systémů nové generace.
 

5. LangGraph – cvičení

Teorii proměníme v dovednost. Pod vedením lektora si sami vytvoříte a nakonfigurujete vlastní systém spolupracujících agentů a ověříte si jejich schopnosti v reálném prostředí.
 

6. Dlouhodobá paměť a databáze

Dáme agentům schopnost pamatovat si minulost. Prozkoumáme MCP pro dlouhodobou paměť, vektorové databáze pro sémantické vyhledávání, SQL/NoSQL pro historii chatu i využití grafových databází jako knowledge graph.
 

7. RAG: propojení s interními znalostmi

Naučíte agenty získávat a ukládat nová data. Ukážeme si, jak propojit modely s dokumenty a databázemi pomocí RAG, jak fungují vektorové databáze a jak nad nimi implementovat pokročilé sémantické vyhledávání.
 

8. RAG – cvičení

Vytvoříte vlastní znalostní bázi, propojíte ji s agentními systémy a naučíte AI efektivně pracovat s vašimi specifickými daty.
 

9. Bezpečnost a etika

Naučíte se stavět agenty, kterým lze věřit. Probereme bezpečnostní rizika agentních systémů, ochranu citlivých dat, guardrails a omezování pravomocí agentů i etické otázky nasazení AI – od transparentnosti rozhodování po odpovědnost za výstupy.
 

10. Architektura agentních systémů

Staňte se architektem robustních AI řešení. Prozkoumáme kompromisy mezi rychlostí, přesností a cenou (latency vs. accuracy vs. cost), strategie cachování, retry a fallback mechanismy i multi-agentní a event-driven architektury pro škálovatelné procesy.
 

11. Monitorování a testování agentů v LangSmith

Naučíte se mít své agenty pod kontrolou i po nasazení. V LangSmith si vyzkoušíte trasování běhu agentů krok za krokem, ladění promptů, vyhodnocování kvality odpovědí i sledování nákladů a latence – vše, co potřebujete pro spolehlivý provoz AI aplikací v produkci.

Nedílnou součástí tvorby agentů je jejich spolehlivý provoz – standardem (vyžadovaným i pro NVIDIA certifikaci) je Kubernetes. Na dedikovaných GPU instancích v našem unikátním labu si prakticky vyzkoušíme provoz agentů a tvorbu RAG systémů v reálném prostředí a připravíme se na certifikační zkoušku.

1. Úvod do Kubernetes

Seznámíte se se základními stavebními kameny kontejnerové orchestrace – Deployment, Pod, PVC a SVC. Naučíte se pracovat s balíčkovacím systémem Helm a porozumíte roli Registry pro správu obrazů.
 

2. Kubernetes – cvičení

Připojíme se do našeho GPU labu. Pod vedením lektora si každý vyzkouší základy konfigurace Kubernetes clusteru a ostré nasazení aplikací včetně samotných agentů.
 

3. RAG na Kubernetes

Zaměříme se na přípravu prostředí pro RAG lokálně i v AWS labu. Ovládnete NVIDIA GPU CLI a Operatory, pochopíte architekturu RAG pipeline a naučíte se ji efektivně používat v produkci.
 

4. Síťová komunikace

Ovládnete cesty, kudy tečou data – Ingress controllery, vnitřní komunikaci přes SVC i rozdíly mezi Load Balancerem, Node portem a Cluster IP.
 

5. RAG – cvičení na Kubernetes

Budeme pracovat s vektorovou databází Milvus, vyzkoušíme techniky rerankingu a nasadíme kompletní RAG systém, aby agenti pracovali s daty přesně a rychle.
 

6. Monitoring a škálování agentů

Naučíte se sledovat zdraví a výkon agentů v reálném čase, metriky specifické pro LLM systémy a automatické škálování clusteru pro nárazovou zátěž i dlouhodobý provoz.
 

7. Nasazení a monitoring komplexního příkladu

Vše si spojíte do jednoho reálného celku. V clusteru nasadíte a budete provozovat kompletní AI aplikaci – LLM, agenty i RAG dohromady – a vyzkoušíte si její škálování a monitoring tak, jak to vyžaduje ostrý produkční provoz.
 

8. Příprava na certifikaci NVIDIA (NCP-AAI)

Projdeme detailní průběh zkoušky NVIDIA NCP-AAI a klíčové okruhy, na které se test zaměřuje. Naši lektoři – sami držitelé certifikace – se podělí o reálné otázky, osvědčené tipy a triky, jak zkoušku zvládnout na první pokus.

Co si z kurzu odnesete?

Po absolvování kurzu nebudete jen rozumět tomu, jak agentní systémy fungují – budete je umět postavit, nasadit a provozovat v reálném prostředí.

  • Vlastní AI agenty v LangChain a LangGraph, kteří samostatně řeší úkoly a využívají nástroje.
  • RAG systémy propojující modely s vlastními daty pomocí vektorových databází a sémantického vyhledávání.
  • Production-ready provoz – nasazení agentů na Kubernetes s monitoringem, škálováním a fallback mechanismy.
  • Bezpečnost AI – obranu proti prompt injection, validaci výstupů a Human-in-the-loop kontroly.
  • Optimalizaci modelů – rozdíl mezi NIM, Triton a vlastním hostingem a kdy se vyplatí fine-tuning.
  • Připravenost na NVIDIA NCP-AAI – kompletní přehled okruhů prestižní certifikace Agentic AI.

Používané technologie

Zatímco ostatní mluví o AI obecně, my vás naučíme konkrétní nástroje, které dnes používají profesionálové po celém světě:

  • LangChain & LangGraph – stavba agentní logiky a stavových multi-agentních workflow.
  • Model Context Protocol (MCP) – propojení agentů s nástroji, daty a dlouhodobou pamětí.
  • RAG & vektorové databáze – Milvus, sémantické vyhledávání a reranking nad vlastními daty.
  • NVIDIA NIM, NeMo & Triton – fine-tuning, optimalizace (TensorRT-LLM) a provoz modelů jako mikroslužeb.
  • Kubernetes & Helm – orchestrace, nasazení a škálování agentů v produkci na GPU.
NVIDIA Certified Professional
NVIDIA Certified Professional

Certifikace Agentic AI

NCP-AAI

Zařaďte se mezi elitu inženýrů, kteří nestaví jen chatboty – staví autonomní agentní systémy nové generace.

 NVIDIA NIM NeMo Triton

Příprava na certifikaci

Celou osnovu jsme navrhli tak, aby se přesně překrývala s požadavky této prestižní certifikace. Naši lektoři jsou certifikovanými experty, kteří procesem sami úspěšně prošli, a předají vám své know-how i praktické tipy z první ruky. V závěru kurzu navíc zařazujeme intenzivní přípravný modul zaměřený na strategii a klíčové okruhy zkoušky.

O certifikaci

Certifikace NVIDIA Certified Professional – Agentic AI představuje absolutní špičku v oblasti vývoje autonomních systémů. Nezaměřuje se jen na generování textu, ale na schopnost navrhovat a nasazovat komplexní agentní workflow.

Potvrzuje, že nejste jen uživatelem AI, ale jejím architektem – schopným využít technologický stack NVIDIA pro stavbu produkčních agentů, kteří jsou rychlí, bezpeční a škálovatelní.

Co zkouška prověřuje?

Zkouška jde hluboko do praxe. Prověří vaše dovednosti v:

Orchestraci agentů a správě dlouhodobé paměti
Implementaci pokročilých RAG systémů
Integraci agentů do firemních infrastruktur
Optimalizaci latence a komunikace mezi agenty
Schopnosti systému zotavit se z chyb (error recovery)

Proč usilovat o úroveň Professional?

Agentní AI je dalším evolučním skokem v IT. Získáním tohoto profesního titulu se řadíte mezi úzkou skupinu expertů, kteří dokáží transformovat statický software v inteligentní, jednající systémy.

Pro firmy je certifikace zárukou, že zvládnete postavit řešení, která skutečně nahrazují komplexní manuální procesy a přinášejí reálnou ekonomickou hodnotu. Je to vaše razítko na to, že patříte k elitě moderního inženýrství.

Co následuje po kurzu?

Kurzem to nekončí. I po jeho dokončení ti zůstává spousta výhod, na které se můžeš spolehnout:

Certifikát o dokončení

Oficiální certifikát Turing Institutu, kterým doložíš své nově nabyté dovednosti.

Trvalý přístup k materiálům

Záznamy ze všech lekcí i studijní materiály zůstávají navždy tvoje – vracej se k nim, kdykoliv potřebuješ.

Vstup do Turing komunity

Discord plný lidí jako ty, newsletter s IT novinkami a exkluzivní akce jen pro členy.

Exkluzivní video lekce k samostudiu

Svět umělé inteligence se mění každým dnem – proto naše výuka nekončí v učebně. Jako účastník získáváš doplňkovou knihovnu video lekcí, které jdou ještě hlouběji:

n8n automatizace a agenti – propojení AI do firemních procesů.
Tvorba MCP, LLM a MCP gateway – moderní protokoly pro komunikaci s modely.
Perceptron – hluboký pohled na základní stavební kámen neuronových sítí.
Vícevrstvé neuronové sítě – principy, na kterých stojí moderní učení.
Konvoluční neuronové sítě – architektura pro zpracování obrazu a vizuálních dat.

Lektoři

Pavel Beránek

Pavel Beránek

Vysokoškolský pedagog a vědec
Učí u násAI a AgentiPython
Pavel má za sebou pestré zkušenosti z mnoha odvětví. Vystudoval dva vysokoškolské obory: Počítačové modelování a pedagogiku. Po studiu pracoval jako programátor a vědecký pracovník Akademie věd. Dnes působí jako vysokoškolský pedagog a vědec. Ve svém výzkumu se zaměřuje na virtuální realitu a AI agenty. Vedle kurzů pro nás učí programování na vysoké škole.
Zdeněk Vais

Zdeněk Vais

Zakladatel · Senior Principal Software Engineer, Oracle
Učí u násAI a AgentiC#Datová analýza a SQL
Zdeněk programuje už od střední školy. Od té doby si prošel cestou od programátora přes team leadera až k architektovi. Za tuto dobu vyvíjel velké finanční systémy, věděcké aplikace nebo například IoT řešení pro letadla. V součastnosti pracuje jako senior principal software engineer ve společnosti Oracle, kde staví cloud pro mediální služby.
Martin Kucin

Martin Kucin

Senior DevOps Engineer, Yunex Traffic
Učí u násAI a AgentiDevOpsPython
Martin působí jako Senior DevOps inženýr ve společnosti Yunex Traffic, kde se zaměřuje na moderní infrastrukturu a orchestraci kontejnerových aplikací pomocí Kubernetes. Svoji technickou expertízu dále prohlubuje v rámci PhD studia, kde se věnuje výzkumu a praktickému provozu AI aplikací a velkých jazykových modelů (LLM). Tento akademický přesah mu umožňuje propojovat svět tradičního DevOps s nejnovějšími trendy v oblasti umělé inteligence, jako je nasazování komplexních AI pipeline a optimalizace výkonu modelů v produkčním prostředí.

Termíny

06/10/2026 –
08/12/2026
Čas výuky
18:00 – 20:00 – Každé úterý a čtvrtek
Místo
Online
Cena
18990 Kč s DPH
22990 Kč s DPH
Cena do 31. 07

Momentálně nejsou vypsané žádné termíny

Na tento kurz teď nemáme vypsaný žádný termín. Napište nám nebo zavolejte — dáme vám vědět, jakmile vypíšeme nový termín, a rádi se domluvíme i na termínu, který vám bude vyhovovat.

Časté dotazy

Potřebuji k absolvování kurzu vlastní výkonný počítač nebo GPU?

Ne. Veškerá náročná praktická cvičení běží na našich GPU instancích v cloudu, ke kterým získáte přístup. Stačí běžný notebook s prohlížečem – nepotřebujete kupovat drahý hardware.

Jakou úroveň programování potřebuji?

Stačí základní znalost programování v libovolném jazyce. Praktická část probíhá převážně v Pythonu, který je dnes standardem pro práci s AI – jeho znalost je výhodou, nikoliv podmínkou. Probíraná témata nejsou programátorsky náročná.

Připraví mě kurz na certifikaci NVIDIA NCP-AAI?

Ano. Celá osnova je navržena tak, aby se překrývala s požadavky certifikace NVIDIA Certified Professional – Agentic AI, a v závěru zařazujeme intenzivní přípravný modul. Naši lektoři jsou držiteli této certifikace. Samotné absolvování kurzu však není automatickou zárukou úspěchu u zkoušky.