Zvládněte kvantové výpočty, AI a bezpečnost
na sezeních šitých na míru

Co se naučíte

Zapomeňte na mystiku. Zapomeňte na řeči o tom, že „kvantové výpočty jsou kouzlo". Za 90 minut pochopíte základní principy kvantových výpočtů díky myšlenkovým modelům, které vám opravdu utkví v paměti.

Rozkryjeme superpozici, provázanost a kvantová hradla — ne náročnou matematikou, ale pomocí intuitivních analogií a názorných obrazů, které dávají smysl. Uvidíte, proč se qubity chovají jinak než klasické bity, pochopíte, co kvantová výhoda doopravdy znamená, a uchopíte i omezení, která marketingové materiály raději přeskakují.

Není to přednáška z fyziky. Je to strategický briefing o technologii, která už přetváří kryptografii, optimalizaci a materiálové vědy.

Pro koho je sezení určeno

• Technické lídry zvažující investice do kvantových výpočtů
• Softwarové inženýry, které lákají základy kvantových výpočtů
• Produktové manažery vymezující funkce spojené s kvantovými výpočty
• Každého, kdo má dost prázdných frází kolem kvantových výpočtů a chce skutečné porozumění

S čím odejdete

• Jasný myšlenkový model toho, jak qubity ve skutečnosti fungují
• Porozumění tomu, kdy jsou (a kdy nejsou) kvantové výpočty užitečné
• Schopnost kriticky hodnotit tvrzení dodavatelů kvantových technologií
• Základ pro hlubší technické zkoumání

Co se naučíte

Nebudeme vysvětlovat, jak funguje algoritmus Davida Deutsche. Ukážeme vám, jak ho sestavil — krok za krokem, hradlo po hradlu.

Tohle je práce vlastníma rukama. Společně postavíme kvantovou kalkulačku od základu. Navrhovat kvantové algoritmy se naučíte tím, že je budete skládat, ne tím, že o nich budete číst. Projdeme si reálný proces návrhu obvodu: výběr hradel, uspořádání měření i zacházení s kvantovými stavy a jejich vývojem.

Pro koho je sezení určeno

• Vývojáře připravené posunout se za hranice kvantové teorie
• Inženýry, kteří se učí stavěním, ne čtením
• Technické vedoucí, kteří potřebují praktickou zkušenost s kvantovými výpočty
• Každého, koho frustrují kurzy kvantových výpočtů zaměřené jen na „vysvětlování"

S čím odejdete

• Zkušenost se stavbou skutečných kvantových obvodů od základu
• Porozumění návrhovým vzorům algoritmů
• Praktické dovednosti v konstrukci kvantových obvodů
• Sebevědomí pro prototypování vlastních kvantových algoritmů

Co se naučíte

Teorie končí tam, kde začíná projekt. Tohle je sezení o tom, co se doopravdy děje, když se dnes pokusíte nasadit hybridní řešení kombinující kvantové výpočty a AI.

Projdeme si životní cyklus skutečného projektu: vymezení problému, výběr algoritmu, přístup k hardwaru, klasické předzpracování, kvantový výpočet, následné zpracování i ověření výsledků. Uvidíte celé spektrum nástrojů — simulátory, cloudové poskytovatele kvantových výpočtů, hybridní frameworky — a pochopíte, kde to nejvíc skřípe.

Pro koho je sezení určeno

• Technické architekty navrhující systémy kvantové AI
• Projektové manažery vymezující kvantové piloty
• Výzkumníky přecházející z akademické sféry do průmyslu
• Týmy připravující se na spuštění svého prvního kvantového projektu

S čím odejdete

• Ucelené porozumění průběhu kvantových projektů od začátku do konce
• Realistické zhodnocení současné vyspělosti technologie
• Praktické strategie pro hybridní klasicko-kvantové systémy
• Schopnost vymezit piloty s jasnými kritérii úspěchu

Co se naučíte

Začněte geometrickou, operační interpretací qubitu, aby abstraktní notace přestala být tajemná a stala se předvídatelnou. Vybudujeme cestu od stavu jednoho qubitu k obrazu Bloch sphere a poté tento obraz přeložíme do toho, co skutečně pozorujete při měření: báze, pravděpodobnosti a mapování od amplitud k výsledkům.

Pro koho je sezení určeno

• Technické lídry, kteří potřebují uvažovat o chování na úrovni hardwaru
• Softwarové inženýry přecházející od bitů ke qubitům
• Výzkumníky a studenty, kteří chtějí intuici dříve než důkazy
• Každého, kdo chce vizuálně uvažovat o chování jednoho qubitu

S čím odejdete

• Trvalý geometrický model stavů a vývoje jednoho qubitu (plynulost v Bloch sphere)
• Jasná intuice pro měření, volbu báze a mapování pravděpodobností
• Schopnost předvídat výsledky elementárních obvodů s jedním qubitem

Co se naučíte

Posuňte se od „co je qubit" k „jak qubity používáme k výpočtům." Budeme s hradly zacházet jako s explicitními lineárními zobrazeními (unitárními operátory) a ukážeme, jak krok za krokem spočítat jejich působení na stavy.

Pro koho je sezení určeno

• Inženýry budující nebo integrující kvantové podprogramy
• Návrháře algoritmů překládající koncepty do obvodů
• Produktové a projektové vedoucí vymezující proveditelnost a náročnost implementace
• Každého, kdo se chce posunout od algoritmů typu černá skříňka k použitelným návrhům na úrovni hradel

S čím odejdete

• Praktické metody pro výpočet účinku hradel a pro skládání obvodů ručně
• Jistotu při sledování vývoje stavu napříč sekvencemi více hradel
• Schopnost posoudit tvrzení o algoritmech podle obvodů, ne podle prezentací

Co se naučíte

Toto sezení se posouvá od „jak počítáme" k „kolik výpočet stojí a čím se může stát." Představíme kontrafaktuální kvantový výpočet v jasných, operačních termínech — co experimenty prokazují a jaká praktická omezení zůstávají.

Dostane se vám srozumitelného výkladu Landauerova principu a logické vratnosti: proč mazání informace stojí energii, proč je vratnost důležitá pro kvantové architektury a jak termodynamika přerámcovává diskuzi o nákladech a přínosech kvantového versus klasického počítání.

Pro koho je sezení určeno

• Lídry a stratégy hodnotící střednědobý a dlouhodobý dopad
• Výzkumníky a inženýry se zájmem o fyzikální limity a nová paradigmata
• Produktové týmy zkoumající, kde pilotovat funkce podporované kvantovým počítáním
• Každého, koho zajímá hranice mezi teoretickou možností a komerční realitou

S čím odejdete

• Jasnou intuici pro kontrafaktuální výpočet a co skutečně prokazuje
• Porozumění Landauerovu limitu, logické vratnosti a proč na nich záleží při návrhu systémů
• Přehledně zmapované současné, realistické případy využití kvantových výpočtů a metriky, podle nichž je hodnotit

Co se naučíte

Každý týden vám někdo tvrdí, že LLM něčemu „rozumí", „halucinuje" nebo „uvažuje". Většina těch výroků je vedle — protože ten, kdo je říká, nemá tušení, co se uvnitř modelu doopravdy děje. Toto sezení to napraví.

Otevřeme černou skříňku. Začneme tokenizací — jak se ze surového textu stávají celá čísla — a projdeme architekturu Transformer krok za krokem: embeddingy, attention heady, feed-forward vrstvy i to, jak model rozhoduje, který token přijde jako další. Využijeme BabyTransformer, minimální GPT napsaný v čistém Pythonu, abychom každý koncept zviditelnili a učinili pozorovatelným.

Uvidíte, jak se matice vah W_Q, W_K a W_V během 1000 tréninkových kroků promění z náhodného šumu ve strukturované znalosti. Pochopíte, proč je pohled „z ptačí perspektivy" pevnou bariérou pro každého, kdo o AI skutečně rozhoduje — a proč porozumění vnitřnímu fungování všechno mění.

Pro koho je sezení určeno

• Technické lídry, kteří chtějí uvažovat o chování LLM, ne ho jen promptovat
• Inženýry stavějící nad LLM API, kteří chtějí pochopit, co vlastně volají
• Produktové manažery rozhodující o funkcích zahrnujících obsah generovaný AI
• Každého, kdo má dost řečí o „kouzelné skříňce" a je připraven nahlédnout dovnitř

S čím odejdete

• Jasný myšlenkový model architektury Transformer — attention, embeddingy, MLP bloky
• Porozumění tokenizaci a proč záleží na nákladech, kvalitě a hraničních případech
• Schopnost kriticky hodnotit tvrzení dodavatelů LLM a rozhodnutí o architektuře

Co se naučíte

LLM jsou mocné — jenže mají hranici znalostí a vaše data nikdy neviděly. RAG to řeší. Na tomto sezení postavíme kompletní RAG pipeline od základů a každou její součást zviditelníme a vysvětlíme.

Pokryjeme celou pipeline: načítání dokumentů, strategie dělení textu (a proč na velikosti chunku záleží více, než si myslíte), embedding modely, vektorová úložiště, strategie vyhledávání včetně MMR a cross-encoder rerankingu, prompt engineering pro odpovědi opřené o zdroje a konverzační RAG s vyhledáváním zohledňujícím historii.

Jako orchestrační vrstvu používáme LangChain, jako vektorové úložiště ChromaDB a HuggingFace embeddingy — takže celá pipeline běží lokálně s nulovými náklady na tokeny pro kroky zpracování dat.

Pro koho je sezení určeno

• Inženýry budující interní znalostní báze nebo systémy pro dotazování nad dokumenty
• Architekty navrhující pracovní postupy s podporou AI nad vlastními daty
• Technické vedoucí hodnotící RAG frameworky a možnosti vektorových úložišť
• Každého, kdo používal RAG systém a chce pochopit, co se ve skutečnosti děje

S čím odejdete

• Funkční RAG pipeline postavenou krok za krokem — načítání, chunking, embedding, vyhledávání, generování
• Porozumění strategiím vyhledávání: vyhledávání podle podobnosti, MMR, prahové filtrování, cross-encoder reranking
• Návrh promptů zohledňující citace — každá odpověď se vystopuje zpět k přesnému zdroji
• Konverzační RAG s přeformulováním otázek zohledňujícím historii

Co se naučíte

Nejčastějším důvodem, proč RAG systémy selhávají, není špatný prompt ani slabý LLM. Jsou to špatná data. Špatně načtené dokumenty, nesprávně zarovnané chunky a chybějící metadata tiše zhoršují kvalitu vyhledávání ještě dříve, než se zapojí model. Toto sezení to napraví.

Navrhneme adresářovou strukturu, která kóduje metadata přímo do cesty — kategorie, podkategorie, verze, vše odvozené automaticky bez ručního označování. Poté vybudujeme automatizovaný loader, který projde celý strom, deduplikuje podle hashe obsahu, vyčistí surový text a obohatí každý chunk o kompletní schéma metadat.

Jako vektorové úložiště použijeme Elasticsearch — hybridní vyhledávání (vektor + BM25), filtrování podle metadat a kompletní auditní stopa. Každá odpověď je vystopována zpět k přesnému zdrojovému dokumentu, indexu chunku a kategorii.

Pro koho je sezení určeno

• Inženýry budující podnikové RAG systémy nad rozsáhlými repozitáři dokumentů
• Datové inženýry odpovědné za pipeline příjmu dat do znalostních bází
• Architekty vybírající mezi možnostmi vektorových úložišť pro produkční zátěž
• Technické vedoucí, kteří potřebují auditní stopy a dohledatelnost zdrojů kvůli compliance

S čím odejdete

• Konvenci adresářové struktury, díky níž jsou metadata zdarma — bez ručního označování
• Kompletní schéma ChunkMetadata s vysvětlením a zdůvodněním každého pole
• Auto-loader s deduplikací, čištěním, chunkingem a obohacováním v jediné pipeline
• Integraci s Elasticsearch s filtry metadat a vyhledáváním zohledňujícím citace
• Report dohledatelnosti: každá odpověď vystopována k přesnému zdroji, chunku a kategorii