Zvládnite kvantové počítače, AI a bezpečnosť
na živých sezeniach šitých na mieru

Čo sa naučíte

Zabudnite na mystiku. Zabudnite na rozprávky o tom, že „kvantové technológie sú mágia". Za 90 minút pochopíte základné mechanizmy kvantových počítačov prostredníctvom myšlienkových modelov, ktoré vám naozaj utkvejú.

Odmýtizujeme superpozíciu, previazanosť a kvantové hradlá — nie cez náročnú matematiku, ale cez intuitívne analógie a vizuálne rámce, ktoré dávajú zmysel. Uvidíte, prečo sa qubity správajú inak ako klasické bity, pochopíte, čo skutočne znamená kvantová výhoda, a uchopíte obmedzenia, ktoré marketingové materiály príhodne vynechávajú.

Toto nie je prednáška z fyziky. Je to strategický briefing o technológii, ktorá už pretvára kryptografiu, optimalizáciu a vedu o materiáloch.

Komu je určené

• Technickým lídrom, ktorí vyhodnocujú investície do kvantových technológií
• Softvérovým inžinierom zvedavým na základy kvantových technológií
• Produktovým manažérom, ktorí navrhujú funkcie súvisiace s kvantovými technológiami
• Každému, kto je unavený z kvantového hype a chce skutočné porozumenie

S čím odídete

• Jasný myšlienkový model toho, ako qubity skutočne fungujú
• Pochopenie, kedy sú (a kedy nie sú) kvantové počítače užitočné
• Schopnosť kriticky vyhodnotiť tvrdenia dodávateľov kvantových technológií
• Základ pre hlbšie technické skúmanie

Čo sa naučíte

Nebudeme vysvetľovať, ako funguje algoritmus Davida Deutscha. Ukážeme vám, ako ho postavil — krok po kroku, hradlo po hradle.

Toto je praktické zostavovanie. Spoločne vybudujeme kvantovú kalkulačku od nuly. Naučíte sa navrhovať kvantové algoritmy tak, že ich budete konštruovať, nie o nich čítať. Prejdeme si skutočný proces návrhu obvodu: voľbu hradiel, štruktúrovanie meraní, prácu s kvantovými stavmi tak, ako sa vyvíjajú.

Komu je určené

• Vývojárom pripraveným posunúť sa za kvantovú teóriu
• Inžinierom, ktorí sa učia vytváraním, nie čítaním
• Technickým lídrom, ktorí potrebujú praktickú kvantovú skúsenosť
• Každému, koho frustrujú „len-vysvetľujúce" kvantové kurzy

S čím odídete

• Skúsenosť s budovaním skutočných kvantových obvodov od nuly
• Pochopenie vzorov algoritmického návrhu
• Praktické zručnosti v konštrukcii kvantových obvodov
• Sebadôveru prototypovať vlastné kvantové algoritmy

Čo sa naučíte

Teória sa končí tam, kde sa začína projekt. Toto je sezenie o tom, čo sa skutočne deje, keď sa dnes pokúsite nasadiť hybridné kvantovo-AI riešenia.

Prejdeme si reálny životný cyklus projektu: vymedzenie problému, výber algoritmu, prístup k hardvéru, klasické predspracovanie, kvantové vykonanie, postspracovanie a validáciu výsledkov. Uvidíte krajinu nástrojov — simulátory, cloudových poskytovateľov kvantových technológií, hybridné frameworky — a pochopíte, kde sú trecie body.

Komu je určené

• Technickým architektom navrhujúcim kvantovo-AI systémy
• Projektovým manažérom, ktorí vymedzujú kvantové pilotné projekty
• Výskumníkom prechádzajúcim z akademickej sféry do priemyslu
• Tímom pripravujúcim sa na svoj prvý kvantový projekt

S čím odídete

• Komplexné pochopenie pracovných postupov kvantových projektov od začiatku do konca
• Realistické posúdenie súčasnej technologickej zrelosti
• Praktické stratégie pre hybridné klasicko-kvantové systémy
• Schopnosť vymedziť pilotné projekty s jasnými kritériami úspechu

Čo sa naučíte

Začnite s geometrickou, operačnou interpretáciou qubitu, aby abstraktná notácia prestala byť tajomná a stala sa prediktívnou. Vybudujeme to od stavu jedného qubitu k obrazu Bloch sphere a potom tento obraz preložíme do toho, čo skutočne pozorujete pri meraní: bázy, pravdepodobnosti a mapovanie z amplitúd na výsledky.

Komu je určené

• Technickým lídrom, ktorí potrebujú uvažovať o správaní na úrovni hardvéru
• Softvérovým inžinierom prechádzajúcim od bitov ku qubitom
• Výskumníkom a študentom, ktorí chcú intuíciu pred dôkazmi
• Každému, kto chce vizuálne uvažovať o správaní jedného qubitu

S čím odídete

• Trvácny geometrický model stavov a vývojov jedného qubitu (plynulosť v Bloch sphere)
• Jasná intuícia pre meranie, voľbu bázy a mapovanie pravdepodobností
• Schopnosť predpovedať výsledky elementárnych obvodov s jedným qubitom

Čo sa naučíte

Posuňte sa od „čím je qubit" k „ako používame qubity na výpočty". Hradlá budeme chápať ako explicitné lineárne zobrazenia (unitárne operátory) a ukážeme, ako krok po kroku vypočítať ich pôsobenie na stavy.

Komu je určené

• Inžinierom, ktorí budujú alebo integrujú kvantové podprogramy
• Návrhárom algoritmov prekladajúcim koncepty do obvodov
• Produktovým a projektovým lídrom, ktorí posudzujú realizovateľnosť a náročnosť implementácie
• Každému, kto sa chce posunúť od algoritmov ako čiernych skriniek k akčným návrhom na úrovni hradiel

S čím odídete

• Praktické metódy na výpočet účinku hradiel a na skladanie obvodov ručne
• Sebadôveru sledovať vývoj stavu cez sekvencie viacerých hradiel
• Schopnosť vyhodnotiť algoritmické tvrdenia skúmaním obvodov namiesto slajdov

Čo sa naučíte

Toto sezenie sa posúva od „ako počítame" k „čo výpočet stojí a čím sa môže stať". Predstavíme kontrafaktuálny kvantový výpočet jasným, operačným spôsobom — čo experimenty preukazujú a aké praktické obmedzenia zostávajú.

Dostanete prístupné spracovanie Landauerovho princípu a logickej reverzibility: prečo vymazávanie informácie stojí energiu, prečo na reverzibilite záleží pri kvantových architektúrach a ako termodynamika prerámcuje diskusiu o nákladoch a prínosoch kvantových verzus klasických výpočtov.

Komu je určené

• Lídrom a stratégom posudzujúcim strednodobý a dlhodobý dosah
• Výskumníkom a inžinierom so záujmom o fyzikálne limity a nové paradigmy
• Produktovým tímom skúmajúcim, kde pilotne nasadiť kvantovo-asistované funkcie
• Každému, kto je zvedavý na hranicu medzi teoretickou možnosťou a komerčnou realitou

S čím odídete

• Jasná intuícia pre kontrafaktuálny výpočet a to, čo skutočne preukazuje
• Pochopenie Landauerovho limitu, logickej reverzibility a prečo na nich záleží pri návrhu systémov
• Zmapovaný pohľad na súčasné, realistické kvantové prípady použitia a metriky, podľa ktorých ich hodnotiť

Čo sa naučíte

Každý týždeň vám niekto povie, že LLM niečo „chápe", alebo „halucinuje", alebo „uvažuje". Väčšina z týchto tvrdení je nesprávna — pretože hovoriaci netuší, čo sa vnútri modelu skutočne deje. Toto sezenie to napráva.

Otvoríme čiernu skrinku. Počnúc tokenizáciou — ako sa surový text mení na celé čísla — prejdeme architektúru Transformer krok po kroku: embeddingy, attention heads, feed-forward vrstvy a to, ako model rozhoduje, ktorý token príde ďalší. Použijeme BabyTransformer, minimálny GPT vytvorený v čistom Pythone, aby sme každý koncept urobili konkrétnym a pozorovateľným.

Uvidíte, ako matice váh W_Q, W_K, W_V prejdú od náhodného šumu k štruktúrovaným znalostiam počas 1000 tréningových krokov. Pochopíte, prečo povrchné „vysokoúrovňové" vysvetlenia narážajú na strop u každého, kto o AI skutočne rozhoduje — a prečo pohľad pod kapotu mení všetko.

Komu je určené

• Technickým lídrom, ktorí chcú o správaní LLM uvažovať, nielen ho promptovať
• Inžinierom budujúcim nad LLM API, ktorí chcú pochopiť, čo vlastne volajú
• Produktovým manažérom, ktorí robia rozhodnutia o funkciách s obsahom generovaným AI
• Každému, kto je unavený z naratívu o „magickej skrinke" a je pripravený nazrieť dovnútra

S čím odídete

• Jasný myšlienkový model architektúry Transformer — attention, embeddingy, MLP bloky
• Pochopenie tokenizácie a prečo na nej záleží z hľadiska nákladov, kvality a hraničných prípadov
• Schopnosť kriticky vyhodnotiť tvrdenia dodávateľov LLM a architektonické rozhodnutia

Čo sa naučíte

LLM sú mocné — no majú hranicu znalostí a vaše dáta nikdy nevideli. RAG to napráva. Na tomto sezení vybudujeme kompletnú RAG pipeline od základov a každý komponent urobíme viditeľným a vysvetliteľným.

Pokryjeme celú pipeline: načítanie dokumentov, stratégie delenia textu (a prečo na veľkosti chunku záleží viac, než si myslíte), embedding modely, vektorové úložiská, stratégie vyhľadávania vrátane MMR a cross-encoder rerankingu, prompt engineering pre podložené odpovede a konverzačný RAG s vyhľadávaním zohľadňujúcim históriu.

Ako orchestračnú vrstvu používame LangChain, ako vektorové úložisko ChromaDB a HuggingFace embeddingy — takže celá pipeline beží lokálne s nulovými nákladmi na tokeny pre kroky spracovania dát.

Komu je určené

• Inžinierom budujúcim interné znalostné databázy alebo systémy Q&A nad dokumentmi
• Architektom navrhujúcim AI-asistované pracovné postupy nad proprietárnymi dátami
• Technickým lídrom vyhodnocujúcim RAG frameworky a možnosti vektorových úložísk
• Každému, kto použil RAG systém a chce pochopiť, čo sa v ňom skutočne deje

S čím odídete

• Funkčná RAG pipeline vybudovaná krok po kroku — načítanie, chunking, embedding, vyhľadávanie, generovanie
• Pochopenie stratégií vyhľadávania: similarity search, MMR, filtrovanie podľa prahu, cross-encoder reranking
• Návrh promptov zohľadňujúci citácie — každá odpoveď sa dá vystopovať k svojmu presnému zdroju
• Konverzačný RAG s preformulovaním otázok zohľadňujúcim históriu

Čo sa naučíte

Najčastejším dôvodom, prečo RAG systémy zlyhávajú, nie je zlý prompt ani slabý LLM. Sú to zlé dáta. Nesprávne načítané dokumenty, nezarovnané chunky a chýbajúce metadáta potichu znižujú kvalitu vyhľadávania ešte predtým, než sa do toho model vôbec zapojí. Toto sezenie to napráva.

Navrhneme adresárovú štruktúru, ktorá kóduje metadáta priamo do cesty — kategória, podkategória, verzia, všetko odvodené automaticky bez manuálneho označovania. Potom vybudujeme automatizovaný loader, ktorý prejde celý strom, deduplikuje podľa hashu obsahu, vyčistí surový text a obohatí každý chunk o kompletnú schému metadát.

Ako vektorové úložisko použijeme Elasticsearch — hybridné vyhľadávanie (vektorové + BM25), filtrovanie podľa metadát a úplnú audítnu stopu. Každá odpoveď sa vystopuje k presnému zdrojovému dokumentu, indexu chunku a kategórii.

Komu je určené

• Inžinierom budujúcim podnikové RAG systémy nad veľkými repozitármi dokumentov
• Dátovým inžinierom zodpovedným za pipeline spracovania znalostných databáz
• Architektom vyberajúcim medzi možnosťami vektorových úložísk pre produkčné nasadenie
• Technickým lídrom, ktorí potrebujú audítne stopy a vystopovateľnosť zdrojov pre súlad s predpismi

S čím odídete

• Konvencia adresárovej štruktúry, vďaka ktorej sú metadáta zadarmo — bez manuálneho označovania
• Kompletná schéma ChunkMetadata s každým poľom vysvetleným a odôvodneným
• Auto-loader s dedupláciou, čistením, chunkingom a obohacovaním v jednej pipeline
• Integrácia s Elasticsearch s filtrami podľa metadát a vyhľadávaním zohľadňujúcim citácie
• Report vystopovateľnosti: každá odpoveď vystopovaná k presnému zdroju, chunku a kategórii