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 ...