Ai-Engineering-Roadmap je otevřený studijní plán pro lidi, kteří se chtějí naučit AI engineering bez placeného programu nebo formálního studia. Projekt staví na podobném principu jako OSSU, tedy na kurátorsky poskládané cestě z volně dostupných materiálů, ale míří přímo na současný AI stack. Nejde jen o seznam odkazů. Roadmapa skládá jednotlivé bloky do pořadí, které dává smysl od základů programování až po stavbu agentů a nasazení vlastních projektů.
Za projektem stojí GitHub organizace AgenticAiLabs. Repo je veřejné a otevřené komunitním úpravám, má MIT licenci a počítá s tím, že se obsah bude průběžně doplňovat podle toho, jak se AI tooling a praxe mění. Vedle hlavní osnovy nabízí i návazné capstone projekty a přispěvatelská pravidla, takže nejde jen o čtení materiálů, ale i o průběžné stavění portfolia.
Zajímavé je hlavně to, jak roadmapa spojuje klasické základy s tím, co dnes firmy opravdu řeší. Začíná u Pythonu, Gitu, Linuxu, datových struktur a matematiky pro AI, pokračuje přes machine learning a deep learning a pak přechází do specializací jako NLP, computer vision a reinforcement learning. Teprve na tom staví novější vrstvy jako Large Language Models, Agentic AI, RAG, prompt engineering nebo AI tooling. Prakticky to znamená, že čtenář nedostane jen rychlý návod na práci s LLM API, ale i rámec, jak si doplnit chybějící základy, které jsou při reálném vývoji často důležitější než samotný prompt.
Repo zároveň uvádí orientační délku jednotlivých bloků. Programování je rozplánované na 4 až 6 týdnů, matematika a machine learning na 6 až 8 týdnů, deep learning na 4 až 6 týdnů, NLP a computer vision na 3 až 4 týdny, reinforcement learning na 3 až 5 týdnů a moderní AI témata jako LLMs nebo agentic AI na 2 až 3 týdny. Není to tedy rychlý checklist na víkend, ale spíš dlouhodobá mapa pro samostudium, která se snaží držet rovnováhu mezi teorií, praktickými projekty a průběžnou specializací.
Zdroje:
