zpwiki/pages/students/2023/samuel_dzurina/README.md

title	published	taxonomy
Samuel Džurina	true	category tag author bp2026 lm nlp agent Daniel Hladek

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:

1. 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.
2. 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).
3. 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.