Serdecznie zapraszamy na 189. spotkanie Warszawskiej Grupy .NET, które odbędzie się w murach Wydziału MiNI PW, sala 103 (ul. Koszykowa 75), Warsaw.
Co mamy w planach
- Prezentacja 1
👤 Prelegent: Rafał Schmidt
📢 Temat: Try. Fail. Codify. Repeat. — 100 Days of AI as an Engineering Manager
Opis: Most AI talks show code generation. I tried AI for the strategic and operational side of engineering management — not agentic coding, but running the work around it. This talk covers 100 days of that — and what I learned along the way.
Bio: Jestem Engineering Managerem w Allegro Pay, prowadzę zespół platformowy. Ostatnio prowadziłem strumień architektury HA multi-region oraz migracje fleet-scale z użyciem narzędzi wspomaganych AI. Przed przejściem do zarządzania przez cztery lata byłem indywidualnym kontrybutorem w Allegro — dostarczałem produkty takie jak Allegro Cash i Allegro Care, budowałem framework SLA i prowadziłem różne rozmowy kwalifikacyjne. Dbam o niezawodność, doświadczenie deweloperskie i budowanie zespołów, w których ludzie robią najlepszą pracę w swojej karierze. - Prezentacja 2
👤 Prelegent: Konrad Kokosa
📢 Temat: Building inference engine from scratch
Opis: Za każdym razem, gdy czatujesz z LLMem, coś pod spodem przekształca plik modelu w tokeny wyświetlane na ekranie. Dla większości z nas to „coś”, zwane silnikiem wnioskowania (ang. inference engine), jest czarną skrzynką napisaną w C++ albo Pythonie. W wykładzie otworzę tę czarną skrzynkę i zaprezentuję, co dokładnie kryje się w środku. Czym właściwie jest silnik inferencji, i czy jest sens napisać go od zera w czystym C#/.NET? Celem nie jest zastąpienie llama.cpp czy vLLM. Chodzi o zrozumienie tematu i pokazanie, że .NET jest naprawdę wydajną platformą nawet do tego rodzaju zadań.
Bio: Autor książki "Pro .NET Memory Management" (obecnie druga edycja). Od ponad dwudziestu lat zajmuje się programowaniem, rozwiązując problemy związane z wydajnością i zagadnienia architektoniczne w środowisku .NET, a obecnie z taką samą pasją i zaangażowaniem poświęca się badaniu sztucznej inteligencji oraz dużych modeli językowych. Po stworzeniu platform agentowej w firmie Nethermind, obecnie przygotowuje się do objęcia nowej roli (to tajemnica!). Swoją pasję przekazuje jako trener, coraz częściej w obszarze agentów sztucznej inteligencji i architektur agentowych.
