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.
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.
Chtějí stavět autonomní agenty s pamětí, nástroji a daty místo izolovaných chatbotů.
Navrhují systémy a potřebují rozumět architektuře multi-agentních a RAG řešení v produkci.
Chtějí ovládnout provoz LLM, fine-tuning a nasazování modelů na NVIDIA stacku.
Potřebují provozovat AI aplikace na Kubernetes s monitoringem a škálováním.
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.
Všechny lekce máte v e-learningu pro neomezené přehrávání.
Praktická cvičení na našich GPU instancích – bez nákladného hardwaru.
Nové dovednosti si rovnou vyzkoušíte na konkrétních úlohách z praxe.
Mezi lekcemi (nebo mezi víkendy) můžete pracovat na úkolech se zpětnou vazbou lektorů.
Prostor pro dotazy, sdílení řešení a komunikaci s ostatními účastníky.
Reálný hardware pro provoz LLM a agentních systémů na dosah.
Kurz nabízíme ve dvou formách – konkrétní dny a časy vždy najdete na kartě zvoleného termínu.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Teorii proměníme v dovednost. Pod vedením lektora si sami vytvoříte a nakonfigurujete vlastní systém spolupracujících agentů a ověříte si jejich schopnosti v reálném prostředí.
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.
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.
Vytvoříte vlastní znalostní bázi, propojíte ji s agentními systémy a naučíte AI efektivně pracovat s vašimi specifickými daty.
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.
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.
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.
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.
Připojíme se do našeho GPU labu. Pod vedením lektora si každý vyzkouší základy konfigurace Kubernetes clusteru a ostré nasazení aplikací včetně samotných agentů.
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.
Ovládnete cesty, kudy tečou data – Ingress controllery, vnitřní komunikaci přes SVC i rozdíly mezi Load Balancerem, Node portem a Cluster IP.
Budeme pracovat s vektorovou databází Milvus, vyzkoušíme techniky rerankingu a nasadíme kompletní RAG systém, aby agenti pracovali s daty přesně a rychle.
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.
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.
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.
Po absolvování kurzu nebudete jen rozumět tomu, jak agentní systémy fungují – budete je umět postavit, nasadit a provozovat v reálném prostředí.
Zatímco ostatní mluví o AI obecně, my vás naučíme konkrétní nástroje, které dnes používají profesionálové po celém světě:
Zařaďte se mezi elitu inženýrů, kteří nestaví jen chatboty – staví autonomní agentní systémy nové generace.
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.
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.
Zkouška jde hluboko do praxe. Prověří vaše dovednosti v:
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.
Kurzem to nekončí. I po jeho dokončení ti zůstává spousta výhod, na které se můžeš spolehnout:
Oficiální certifikát Turing Institutu, kterým doložíš své nově nabyté dovednosti.
Záznamy ze všech lekcí i studijní materiály zůstávají navždy tvoje – vracej se k nim, kdykoliv potřebuješ.
Discord plný lidí jako ty, newsletter s IT novinkami a exkluzivní akce jen pro členy.
Svět umělé inteligence se mění každým dnem – proto naše výuka nekončí v učebně. Jako účastník získáváš doplňkovou knihovnu video lekcí, které jdou ještě hlouběji:
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.
Kurz jsme přihlásili do programu Úřadu práce. Až ho ÚP schválí, může za tebe stát uhradit až 76,73 % ceny kurzu. Zapiš se na waitlist a dáme ti vědět mezi prvními.
Jak dotace fungujeNe. Veškerá náročná praktická cvičení běží na našich GPU instancích v cloudu, ke kterým získáte přístup. Stačí běžný notebook s prohlížečem – nepotřebujete kupovat drahý hardware.
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.
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.
Ne. Jedinou prerekvizitou jsou základy programování. Machine learning a neuronové sítě na kurzu zmíníme a vše potřebné vysvětlíme až tam.
Kurz je orientován tak, že znalost pokročilé matematiky, jako je lineární algebra nebo diferenciální počet, není nutná. Na kurzu si vystačíme s jednoduchou matematikou. Lektoři však ovládají i matematická a teoretická témata a v případě dotazů je rádi zodpoví.
Tyto dva kurzy stojí v katalogu vedle sebe, ale učí jinou dovednost.
Tento kurz bere hotové jazykové modely (LLM) jako mozek aplikace a učí je jednat: naplánovat kroky, sáhnout po nástrojích, dohledat informace ve firemních datech (RAG), pamatovat si kontext a spolupracovat s dalšími agenty. Stavíte agenty v LangChain a LangGraph, propojujete je s vektorovými databázemi přes MCP a RAG a nakonec je provozujete v produkci — Kubernetes, NVIDIA stack a příprava na certifikaci NCP-AAI. Na našich GPU instancích si to vyzkoušíte v reálném prostředí.
Machine learning a Neuronové sítě je kurz o tom, jak se model učí z dat. Stavíte a trénujete vlastní modely — od klasických algoritmů (Bayesův klasifikátor, rozhodovací stromy, učení bez učitele) přes vícevrstvé sítě až po konvoluční sítě na obraze, generativní sítě (GAN), autoenkodéry, predikci časových řad (LSTM) a zpracování jazyka. Pracujete v Pythonu se Scikit-learn a TensorFlow / Keras. Cíl je pochopit principy, vyhodnotit kvalitu modelu a umět ho ladit.
Kurzy se potkávají, ale jen na okraji. Tady si popularizačně projdete cestu od neuronu k LLM a postavíte jednoduchou síť, aby bylo jasné, na čem jazykové modely stojí — to ale nenahradí kurz strojového učení. Naopak u Machine learningu je na závěr jedna lekce o agentech v LangChainu. Je to ochutnávka, kam se dá jít dál, ne osnova tohoto kurzu.
Jednoduché vodítko: chcete stavět aplikace, které už LLM používají, napojit je na nástroje a data a provozovat je — zůstaňte tady. Chcete pochopit, jak se model učí z dat, sami ho natrénovat a umět říct, jestli je dobrý — jděte do kurzu Machine learning a Neuronové sítě. Na sebe navazují, jeden není podmínkou druhého.
Podrobnější srovnání všech AI kurzů podle cíle najdete v článku Jaký AI kurz si vybrat?.