Technický rozvoj: Od materiálových procesů k algoritmům
"Kvalita je zvyk, ne jednorázový čin. Principy z praxe přenáším do kódu."
Více než 10 let v oboru technologií povrchových úprav, kde jsou preciznost a systematický přístup nutností.
Začal jsem certifikací v SW Testování, prozkoumal základy Kyberbezpečnosti, fascinuje mě AI engineering. Uvědomil jsem si, že předtím než začnu stavět složitější systémy, musím ovládnout základy. Proto jsem se zaměřil na Python, algoritmy a Linux.
- ai-workshop — Systematická cesta k AI Engineering: Python → RAG → Dify → Local Inference → Fine-Tuning → Agents.
Detailní roadmap a progress viz repozitář.
Významnější projekty nejen z kurzů budou postupně přesunuty do samostatných repozitářů.
Aktuální fokus:
- Python (fundamentals, data structures, file I/O)
- Linux (Kubuntu daily driver)
- Git workflows
Certifikace:
- Junior Tester (Engeto, 100h) — SDLC, test strategies, Python basics
- Základy Kyberbezpečnosti (ITnetwork, 70h) — Cryptography, risk analysis
Na horizontu:
- Python for AI Engineers (Towards AI)
- LLM Engineering (mlabonne/llm-course)
- AI Agents (Microsoft Learn)
Zaměřuji se na pevné základy před přechodem k AI engineering.
- Systematický přístup: Hloubka před šířkou
- Kvalita: Z praxe preferuji spolehlivá řešení před rychlými fixes
- Nezávislost: Open source + lokální nástroje = plná kontrola