| .. | ||
| README.md | ||
| title | published | taxonomy | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Samuel Džurina | true |
|
rok začiatku štúdia: 2023
Bakalárska práca 2026
Téma:
Dialógový systém pre podporu firemných procesov
Ciele:
Vytvorte agenta pre podporu činnosti zásielkovej spoločnosti.
Spolupráca:
- Simona Bobrovčanová
- Valerii Kutsenko
- Oleh Poiasnik
- Martin Šarišský
- Matej Ščišľak
Stretnutie 30.10.2025
Stav:
- Potreba: Spedicka firma potrebuje efektivnejsie riesit colne pravidla pre prepravy z EU colneho priestoru mimo EU (napr. do Norska, Svajciarska, GB).
Otvorene otazky a odpovede:
- Pri akom konkretnom procese vie pomoct chatbot? Kto a ako sa tento proces vykonava doteraz? Pomoc chatbota: Chatbot by sa vyuzival na zosuladenie a zrychlenie procesov pri rieseni colneho odbavenia. Konkretne pri priprave spravnych dokumentov (kontrola faktury, dodacieho listu, priradenie spravneho colneho cisla pre vyvazany/dovazany produkt). Sucasny stav: Doteraz to vykonaval spediter manualne. Musel pracne hladat na webe alebo prezerat dokumenty o colnych pravidlach. To bolo zdlhave, kedze v kazdej krajine sa pravidla lisia. Prioritne trasy: Najviac vyuzivana trasa je z EU do GB. Riesi sa aj tranzit EU tovaru mimo priestor EU ku koncovemu zakaznikovi a naspat do EU.
- Ake su technicke poziadavky na nasadenie? Ma firma HW s GPU? Je mozne data poslat mimo firmy? Odpoved: Externe riesenie je v poriadku. Data je mozne poslat mimo firmy. (Firma teda nepotrebuje vlastny HW s GPU).
- Ktore konkretne data vie agent vyuzit? Ktora legislativa je relevantna? Odpoved: Agent musi vyuzivat cely aktualny colny dohovor a vsetky relevantne zakony (cela prislusna legislativa).
Úlohy:
- Vyberte a podrobne opíšte modelovž proces pro ktorom vieme pomôcť. Napr. dovoz zeleniny z Veľkej Británie. Aké dokumenty sú potrebné na vstupe? Aké sú na výstupe?
- Podľa toho zistite, aká legislatíva je relevantná.
- Pokračujte v tutoriáloch OpenAI Agenta. Vytvorte agenta, ktorý vie vyhľadávať na internete, získať potrebné dokumenty a na ich základe navrhnúť odpoveď.
- Zistite, ako funguje "function calling" a "tools" v OpenAI.
- Čítajte články na Scholar a píšte poznámy o Agentových systémoch v business procesoich.
Stretnutie 9.10.2025
Stav:
- Špedičná firma by využila colné pravidlá z EU do EU a CMR dohovor (dohovor o medzinárodnej zmluve o cestnej doprave). CMR dohovor - nákladný list, je formulár ktorý vyplní šofér alebo príjemca a je dokladom o vykonanej preprave. Niečo ako sprievodný list.
- Aké colné pravidlá platia pre prepravu konkrétneho druhu tovaru.
- Otázky sa týkajú colných vyhlásení.
Otvorené otázky:
- Pri akom konkrétnom procese vie pomôcť chatbot? Kto a ako sa tento proces vykonáva doteraz?
- Ktoré konkrétne dáta vie agent využiť? Ktorá legislatíva (zákony, vyhlášky, zmluvy) je relevantná.
- Aké sú technické požiadavky na nasadenie? Má firma HW s GPU? Je možné dáta poslať mimo firmy?
- Je možná formálna spolupráca "https://uvptechnicom.sk/spolupraca/#formy" alebo https://edihcassovium.sk/ ?
Úlohy:
- Zistite, ako pracuje RAG systém. Vypracujte tutoriál https://python.langchain.com/docs/tutorials/rag/
- Pozrite sa na gogole scholar a prečítajte si odborné články na tému "retrieval augmented generation" . Napíšte si poznámky.
- Prečítajte si článok https://arxiv.org/abs/2401.03428 a napíšte si poznámky.
- Navrhnite modelový príklad použitia intelignetného agenta v špedičnej firme.
- Vyskúšajte https://openai.github.io/openai-agents-python/ a vytvorte prvú verziu agenta.
Stretnutie 13.5.2025
Stav:
- Hotová prvá verzia chatbota. Urobil to niekto iný. Chatbot má zoznam otázok a odpovedí. Vie sťahovať z Wikipedie a vie odpovedať z wikipedie. Chunkuje na 100 znakov. Používa OpenAI API. Nemá databázu, len CSV.
Úlohy:
- Špecifikujte oblasť použitia chatbota. Identifikujte potenciálne zdroje informácií. Alebo budeme robiť v nejakej právnej, vzdelávacej alebo lekárskej oblasti.
- Oboznámte sa s problematikou veľkých jazykových modelov. Towards Data Science
- Naučte sa Python lepšie. Nainštalujte si prostredie Anaconda.
- Poučte sa o strojovom účení. Dive into deep learning.
- Vyskúšajte si framework HF Transformers.
- Vyskúšajte si veľký jazykový model, pomocou HF transformers alebo pomocou ollama.
- Vyskúšajte si framework LangChain a LangGraph. Prejdite si základný tutoriál LangGraph.
- Pozrite si knižnicu llamaindex.
- Napíšte si poznámky z vecí ktoré ste sa naučili. Využívajte odborné ščlánky, ktoré nájdete na google scholar.