---
title: Samuel Džurina
published: true
taxonomy:
    category: [bp2026]
    tag: [lm,nlp,agent]
    author: 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.
- [x] Aké sú technické požiadavky na nasadenie? Má firma HW s GPU? Je možné dáta poslať mimo firmy?
- [x] 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.