Brutalna prawda jest taka, że większość systemów opartych na agentach (a nawet na LLM-ach) nigdy nie opuszcza strefy komfortu na laptopie developera. Spięcie kilku LLM-ów to świetna zabawa na potrzeby demo, ale w momencie, gdy celujesz w produkcję, uderza w ciebie multitenancy, śledzenie kosztów i skalowanie systemu działającego w realnym świecie – a liczba „nieznanych niewiadomych” zaczyna gwałtownie rosnąć.
W tej sesji omówię rzeczy absolutnie kluczowe: niefunkcjonalne wymagania, których nie możesz zignorować, architekturę, która utrzymuje agentów przy życiu „na wolności” (i czym różni się ona od standardowego CRUD-a), oraz triki FinOps, dzięki którym rachunek za chmurę nie wystrzeli w kosmos. Po drodze spodziewaj się praktycznych wskazówek i historii z pola walki z wdrożenia na żywo w InsurTechu — szczere spojrzenie na eksperyment z technologicznej pierwszej linii.

HardenedJS is a superpower that lets me control what the generated code can access at runtime. It's no longer about "my dependencies could turn malicious" but also "this agent went rogue and generated harmful code" I'll present some experiments in handling AI generated code safely. Some of them might really surprise you.

A co, gdyby LinkedIn mógł znaleźć Ci pracę — nawet w trudnym rynku IT? W tym wystąpieniu usłyszysz prawdziwą historię programisty TypeScript na poziomie mid, który w styczniu 2025 roku stracił pracę — i już w ciągu jednego dnia od włączenia opcji „Open to Work” zaczął otrzymywać dziesiątki zaproszeń do procesów rekrutacyjnych. Rozłożymy na czynniki pierwsze zaskakująco proste działania, które doprowadziły do szybkich i wysokiej jakości ofert. Dowiesz się, jak ominąć najbardziej frustrującą część rekrutacji w branży technologicznej — bycie ignorowanym po wysłaniu CV. Spodziewaj się praktycznych wskazówek, codziennych nawyków i żadnego „wymyślnego” personal brandingu. Tylko proste, powtarzalne kroki, które sprawiły, że mój profil stał się widoczny dla właściwych osób. Przyjdź po strategię, zostań dla memów, wyjdź z planem działania, który możesz wdrożyć już jutro.

Zamiast polegać na vibe codingu pokażemy, jak układać współpracę z AI tak, by z PoC-ów tworzyć kod gotowy produkcję za pomocą workflow: kontekst → spec → implementacja → feedback. Opowiemy o rolach modeli (architekt vs. edytor), o rytmie pracy (checkpointy, testy, lintery) i o tym, jak ograniczać halucynacje procesem, a nie liczeniem na szczęście. Po naszej prelekcji wyjdziesz z jasnym sposobem pracy, który da się powtórzyć w Twoim projekcie.

Szczegóły prezentacji zostaną wkrótce ogłoszone.

Rozmowy o podwyżkach były dotychczas dla nas stresujące, a ich przebieg wpływał na ścieżki rozwoju zawodowego. W tej prezentacji pokażemy, jak podchodzimy do tematu podwyżki w sposób świadomy, profesjonalny i skuteczny – zarówno z perspektywy pracownika, jak i osoby prowadzącej rozmowy.

Prezentacja będzie miała formę praktycznego manuala. Krok po kroku przeprowadzimy Was przez proces przygotowania się do rozmowy, przedstawienia argumentów oraz rozważenia alternatywnych ścieżek rozwoju. Na koniec zaprosimy do panelu Q&A, w którym odpowiemy na pytania zebrane wcześniej przez formularz.

Prezentację poprowadzą Jakub Banaszkiewicz (Data&AI Solutions Advisor) oraz Mateusz Zapart (Solutions Advisor w obszarze AI) z firmy APN Promise.

docker pull i docker run to dla większości z nas codzienna rutyna. Jednym poleceniem pobierasz obraz i uruchamiasz kontener – ale co naprawdę dzieje się pod spodem? Opowiem o wnętrzu Docker Engine i przedstawię między innymi:

• - anatomię obrazów kontenerów – warstwy, manifesty i jak to wszystko się składa w całość,
• - jak Docker przechowuje obrazy lokalnie,
• - ewolucję architektury poprzez dalszą integrację z containerd.

Prezentacja dla tych, którzy chcą zrozumieć technologię, z której korzystają na co dzień, oraz dla wszystkich ciekawych, jak działa jedna z najpopularniejszych platform kontenerowych.

Od lat pracuję z klasycznym Data Science, Machine Learning - wiem, czym jest niepewność , jak ważna jest kontrola jakości na produkcji i jak nią w AI zarządzać. Z modelami LLM i agentami AI działam od pierwszych wersji, podobnie z popularnymi narzędziami, które powstały na fali - niestabilne prototypy, niekończący się debug - to nie dla mnie. Da się budować rozwiązania AI bez takich pułapek jak frameworki typu Langchain itp. Dlatego popularyzuję hasło: LLM i agenci AI - jakość pod kontrolą. Da się tym zarządzać w sposób programistyczny, a nie jak większość - chaotyczny...

0 teorii z blogów
100% praktyki wpracowanej w DataWorkshop Lab przy budowanie systemów wieloagentowych wdrożonych na produkcj.

Poznasz:
1. Konkretne architektoniczne warstwy – pokażę, jak przeszliśmy od chaosu bezpośrednich wywołań API do modularnej architektury z LLM Access Layer. Opowiem o błędach, które popełniliśmy i jak kontrola kosztów uratowała nam budżet.
2. Structured Output w praktyce - dlaczego JSON Schema to za mało i jak nauczyliśmy agentów zwracać dane, którym naprawdę można ufać. Pokażę realne przykłady, gdzie "prawie działające" parsowanie kosztowało dużo nerwów i generowało dużo stresu.
3. Agentowa pamięć, która działa - opowiem, jak po kilku iteracjach połączyliśmy pamięć krótką, długą, RAG..., który faktycznie pamięta kontekst (a nie halucynuje historię).
4. Modułowe narzędzia i wersjonowanie – dlaczego nasz pierwszy "sprytny" system okazał się niemożliwy do utrzymania i jak gateway narzędzi zmienił grę. Pokażę kod, który przetrwał w produkcji.
5. Orkiestracja z DAG i human-in-the-loop - przypadki, gdzie agent "zwariował" i jak nauczyliśmy się projektować workflow odporne na nieprzewidywalność LLM-ów.
6. MCP w praktyce – implementacja Model Context Protocol od podstaw. Co działa, co jest przereklamowane i jak uniknąć architektury spaghetti.
7. Testowanie agentów – konkrety z naszego symulatora, czyli jak testujemy niedeterministyczne zachowania, metryki jakości.
Co to ma wspolnego z software 3.0 i przyszłością? Tworzy się właśnie nowy paradygmat w IT i nie chodzi o pomaganie sobie w pisaniu kodu z pomocą AI. Jak będą rozwijać się agenci AI i jak to wpłynie na branżę IT? Na te pytania odpowiem, ale na praktycznych przykładach.

Sztuczna inteligencja obiecuje rewolucję, ale przemysł nadal opiera się na prostych regułach i drzewach decyzyjnych. Dlaczego? Kluczowe wyzwania obejmują trudności w gromadzeniu wiarygodnych danych, błędne przekonania przeniesione z akademickich zbiorów danych oraz brak wspólnego języka między praktykami sztucznej inteligencji a decydentami. W niniejszym wykładzie omówię, dlaczego przemysł pozostaje ostrożny w stosunku do zaawansowanych metod oraz w jaki sposób podejście wieloetapowe i populacyjne może pomóc skutecznie wypełnić lukę między teorią i praktyk

In this talk, we'll explore the fast evolving frontier between traditional deterministic software and the probabilistic nature of LLMs. We'll unpack the practical realities and occasional frustrations of using LLM services at scale, from unpredictable behavior and opaque updates to the lack of token capacity. I'll argue that while developers can adopt clever workarounds to stabilize their LLM-powered applications today, true enterprise-grade reliability demands greater transparency and freedom from LLM providers themselves.

In this talk I will go through applied vision/multimodal AI, it's beginner friendly, going through vision use cases, best models, vision agents and more!

🍗 🍽️ 🥗 💬

Minął rok od wprowadzenia Model Context Protocol (MCP) – standardu, który miał połączyć duże modele językowe z narzędziami i danymi na kształt USB-C. Czy jednak spełnił pokładane w nim nadzieje? Podczas tej prelekcji przyjrzymy się, czym jest MCP, jak jest wykorzystywany w praktyce i jakie lekcje wyciągnęliśmy z pierwszego roku jego działania. To spotkanie dla każdego, kto buduje agentów AI lub po prostu chce zrozumieć, dokąd zmierza świat interoperacyjności modeli i narzędzi.

W trakcie swojej prezentacji na Mateusz Chrobok wprowadzi uczestników w temat odwiecznej walki, która nie tylko kształtuje dzisiejszy świat cyfrowy, ale wpływa na nasze życie. Z jednej strony mamy korporacje, które prześcigają się w zbieraniu danych i personalizowaniu doświadczeń użytkowników, z drugiej - ludzi, którzy stają w obliczu utraty kontroli nad własnymi danymi i prywatnością. Mateusz poruszy kwestie związane z gigantami technologicznymi, manipulacjami algorytmów oraz nieoczywistymi konsekwencjami, jakie mają one dla naszej psychiki. Z kolei walka pomiędzy sztuczną inteligencją a człowiekiem ukaże ciemniejsze strony tej technologii, w której algorytmy decydują o tym, co widzimy, co słyszymy i - co najważniejsze - jak to kształtuje nasze postrzeganie rzeczywistości. Czy to, co przekonuje nas do działania, pochodzi z naszej własnej woli, czy zostało zaprogramowane przez systemy, które nas kontrolują? Będzie to analiza, która pozwoli na nowo zastanowić się nad tym, co znaczy być człowiekiem w świecie przepełnionym przez sztuczną inteligencję. Nie zabraknie również poruszenia tematu równowagi pomiędzy pieniędzmi a zdrowiem psychicznym. Gdzie kończy się zysk, a zaczyna presja, która doprowadza do niezdrowych decyzji i utraty poczucia własnej wartości? Będzie to spotkanie z pytaniem, które na nowo stawia granice etyki, technologii i naszego umysłu.