AI inženýring

Předmět AI inženýring poskytuje systematický přístup k využití umělé inteligence v moderním průmyslovém inženýrství. Studenti se naučí, jak efektivně využívat AI asistenty a moderní nástroje pro návrh, vývoj, údržbu a dokumentaci průmyslových systémů včetně řídicích algoritmů, PLC programování, robotických aplikací a datové analýzy průmyslových procesů.

Kurz kombinuje teoretické základy s praktickými dovednostmi potřebnými pro moderní průmyslový vývoj: Linux a Bash scripting, Python programování, version control (git), cloud engineering, prompt engineering, context engineering a rapid prototyping (vibe-coding). Důraz je kladen na aplikaci těchto technik v kontextu průmyslové automatizace, kyberfyzických systémů a Průmyslu 4.0.

Přednášky:
1. Fundamenty AI pro inženýry: Základní principy AI. Tradiční ML vs. LLM. Prompt engineering: jasné zadání, iterativní dialog, role-based prompting. Context engineering pro technické úlohy. Aplikace v průmyslu.
2. Ekosystém AI nástrojů pro vývoj: Typy AI asistentů – konverzační, integrovaní do IDE (GitHub Copilot, Cursor, Codex, Claude), lokální řešení (Ollama). Instalace a konfigurace.
3. Version control a kolaborace s git: Fundamenty git, workflow pro týmovou práci. GitHub/GitLab: pull requests, code review, issue tracking. AI asistenti pro git: generování commit zpráv, vysvětlování změn, řešení konfliktů.
4. Linux, Bash a Python pro průmyslové aplikace: Linux v průmyslu: embedded systémy, edge devices, průmyslové servery. Bash scripting: automatizace, file operations, process management. Python ekosystém, virtual environments a základní knihovny. AI-assisted kódování v Pythonu. Jupyter notebooks. Scripting pro automatizaci průmyslových úloh.
5. Datová analýza průmyslových dat: Explorační analýza dat (EDA). Čištění a preprocessing dat ze senzorů a PLC. Časové řady a jejich analýza. Vizualizace průmyslových dat. Pandas knihovna a vytváření vizualizací.
6. Strojové učení v průmyslu: Základy ML: supervised learning, unsupervised learning. Typické průmyslové aplikace: prediktivní údržba, detekce anomálií, quality control. Feature engineering. Model selection a evaluation. Praktické použití knihoven scikit-learn, TensorFlow.
7. PLC programování a AI asistenti: Úvod do PLC: hardware, programovací jazyky. Průmyslové komunikační protokoly: Modbus, OPC UA, MQTT. AI asistenti pro PLC kód: generování logiky, testy, debugging, dokumentace.
8. Robotika a AI: Základy průmyslové robotiky: kinematika, path planning, koordinační systémy. Robot Operating System (ROS). AI pro robotické aplikace. Simulace robotických systémů.
9. Cloud engineering a Linux pro průmysl: Linux v cloudu a na edge: systemd services, proces management, networking. Cloud platformy: AWS, Azure, Google Cloud – základní služby. Containerizace: Docker, docker-compose. Infrastructure as Code. Edge computing vs. cloud processing. IoT platformy pro průmyslová data. Remote access a SSH.
10. API integrace a průmyslové systémy: REST API: GET, POST, PUT, DELETE. API autentizace a bezpečnost. Integrace průmyslových systémů přes API. Websockets pro real-time data. AI asistenti pro práci s API: generování requests, parsing responses.
11. Prompt a context engineering pro technické úlohy: Pokročilé techniky prompt engineeringu pro engineering tasks. Návrh a správa kontextu pro komplexní projekty. Systémové instrukce pro technické domény. Tvorba agentních systémů pro inteligentní asistenty v průmyslu.
12. Vibe-coding a rapid prototyping: Koncept vibe-coding: rychlá tvorba funkčních prototypů s AI. Mikroaplikace: dashboardy, vizualizační nástroje, automatizační skripty. Od prototypu k produkčnímu řešení. Best practices a anti-patterns.
13. Code review, debugging a optimalizace s AI: AI pro systematickou detekci chyb a bezpečnostních problémů. Debugging workflow: analýza error logs, stack traces, generování hypotéz. Optimalizace výkonu průmyslových aplikací. Refaktoring legacy kódu. Static analysis tools. Dokumentace, etika a budoucnost AI v průmyslu: Automatické generování technické dokumentace. Diagramy: Mermaid, PlantUML pro systémové návrhy. Etika použití AI v průmyslu: bezpečnost, transparentnost, odpovědnost. Budoucí trendy.
Laboratoře:
1. Lab 1: Nastavení vývojového prostředí: Linux basics: navigace v terminálu, základní příkazy. Instalace VS Code, Python, git na Linux/WSL. Konfigurace AI asistentů. Setup GitHub účtu. Clone repository, první commit.
2. Lab 2: Git fundamentals: Vytvoření repository, základní git workflow. Branches, merge, řešení konfliktů. GitHub pull requests a code review. AI asistované commit zprávy. Kolaborativní cvičení v týmech.
3. Lab 3: Bash a Python scripting pro průmysl: Bash skripty pro automatizaci. File processing, log parsing. Cron jobs pro periodické úlohy. Python scripting: čtení dat z CSV/Excel souborů. Základní operace s Pandas. Automatizace zpracování senzorových dat. Tvorba skriptů s pomocí AI. Error handling a logging.
4. Lab 4: Datová analýza časových řad: Načtení průmyslových dat z PLC/SCADA systémů. Explorační analýza. Detekce anomálií v časových řadách. Vizualizace trendů. AI-assisted data cleaning.
5. Lab 5: Vizualizace a dashboardy: Interaktivní vizualizace a dashboardy v Pythonu. AI pro generování vizualizací.
6. Lab 6: Machine learning: Příprava datasetu pro ML. Feature engineering. Trénování simple ML modelů. Evaluace modelů. Interpretace výsledků pro průmyslovou praxi.
7. Lab 7: PLC programování basics: Simulátor PLC prostředí. Tvorba jednoduchých Ladder Logic programů. AI asistenti pro PLC kód. Debugging PLC logiky.
8. Lab 8: Průmyslová komunikace a protokoly: Modbus komunikace – čtení registrů. MQTT pub/sub pro IoT. OPC UA client-server komunikace. Python knihovny pro průmyslové protokoly. AI pro generování komunikačního kódu.
9. Lab 9: Linux, Docker a containerizace: Linux process management: ps, top, htop, systemctl. Networking: ifconfig, netstat, curl, wget. Docker basics: images, containers, volumes. Dockerfile tvorba pro Python aplikace. Deployment průmyslové aplikace v kontejneru. AI asistované Docker konfigurace a Bash scripty.
10. Lab 10: Cloud integrace a SSH: SSH fundamentals: remote access, key-based authentication, SCP, SFTP. Registrace cloud platformy (AWS/Azure free tier). Připojení k Linux VM přes SSH. Storage services: ukládání průmyslových dat do cloudu. Compute services: spuštění analýzy v cloudu. AI pro Infrastructure as Code a Bash skripty na remote serveru.
11. Lab 11: REST API a integrace systémů: Tvorba REST API s FastAPI. CRUD operace pro průmyslová data. API dokumentace s OpenAPI. Volání externích API. AI pro API development.
12. Lab 12: Robotika – simulace a programování: Simulace robotického ramene (ROS/Gazebo nebo jednodušší nástroj). Základy robot kinematics. Path planning úlohy. Computer vision pro robotické aplikace – objektová detekce. AI asistenti pro robotický kód.
13. Lab 13: Vibe-coding projekt – mikroaplikace: Rapid prototyping: návrh a implementace mikroaplikace (např. monitoring dashboard, data analyzer, automation tool). Iterativní vývoj s AI. Deployment na cloud. Prezentace výsledků. Závěrečný projekt a code review: Dokumentace s AI pomocí. Code review v párech s AI asistenty. Unit testing. Git workflow finalizace. Reflexe naučeného.