Hogyan alakítja át az AI a Cloud és DevOps területét, és milyen tudásra lesz szüksége a jövő mérnökeinek? Jusztin Ádám (Director, Cloud Engineeing), az EPAM egyik 120 fős csapatának vezetője beszél az AI mindennapi használatáról, a juniorok jövőjéről, az ügyfelek alkalmazkodásáról és arról, miért nem kell félni az AI-tól.00:00 – Hogyan változtatja meg az AI a mérnöki munkát?04:39 – Mi a Cloud és a DevOps szerepe?06:27 – Az AI mint a kódolás új absztrakciós szintje08:47 – Milyen tudás tesz jó mérnökké az AI korában?10:57 – Mi lesz a juniorokkal?11:53 – Hogyan alkalmazkodnak az ügyfelek az AI-hoz?15:10 – Hogyan változik a mindennapi fejlesztői munka?18:07 – Hol tartanak a cégek az AI bevezetésében?20:35 – A félelem kezelése és az AI-képzések24:25 – Hogyan használja egy vezető az AI-t?26:18 – Jusztin Ádám AI-krédója

Hogyan változik a People Management szerepe a gyorsan változó technológiai világban - erről beszélt legújabb LifeinTech epizódunkban Branyiczki Imre (Director, Head of People). Szó esett bizalomról, tudásmegosztásról, a kérdezés kultúrájáról, pszichológiai biztonságról és arról is, hogyan lehet felkészülni az AI által turbó gyorsaságra kapcsolt változásokra.

00:00 – Mit jelent ma a People Management

05:05 – A vezető mint People Manager

07:19 – Hogyan működik a People Partner rendszer

09:27 – Miért fontos, hogy az embert is lássuk

11:20 – Tudásmegosztás és bizalom

13:09 – Hogyan mérhető a bizalom és a munkatársi elégedettség

17:04 – Hibrid munkavégzés: működik-e a bizalom távolról

22:24 – Tudásmegosztás, kérdezés és pszichológiai biztonság

30:05 – Miért fontos jól kérdezni

35:09 – AI, változás és alkalmazkodás

40:23 – Megjósolható-e a jövő

43:39 – Hogyan alkalmazkodjunk a bizonytalansághoz

Pércsi Botonddal (Lead Software Test Automation Engineer) beszélgetünk arról, hogyan alakult át az automata tesztelés az elmúlt években, milyen szerepet játszik ma az AI a mindennapi munkában, és miért fontosabb, mint valaha a tesztelők szakmai tudása, kíváncsisága és problémamegoldó szemlélete.Ha szeretnéd te is elindítani karriered Automated Testing területen, csekkold az EPAM Campus ingyenes, online programjait:https://epa.ms/pNUJmxTovábbi epizódok: https://open.spotify.com/show/5uSqakpD7f8i68trtQM0UOLifeInTech podcast by EPAM Facebook csoport: https://www.facebook.com/groups/882633616403649LifeInTech blog: https://epa.ms/lifeintechblog00:00 Mi az automata tesztelés, és hogyan változtatja meg az AI a szakmát?03:40 Hogyan segíti a mesterséges intelligencia a tesztelők mindennapi munkáját?07:12 Milyen készségek kellenek ahhoz, hogy valaki jó automata tesztelő legyen?10:20 A minőség iránti szemlélet és a tesztelői gondolkodásmód12:40 Elveszi vagy éppen megsokszorozza a munkát az AI?15:05 Karrierutak és fejlődési lehetőségek automata tesztelőként az EPAM-nál20:25 AI-ügynökök, szakmai közösség és a tesztelés jövője29:20 Mit tanít a repülés és a búvárkodás a minőségről és a tesztelői szemléletről?

LifeInTech podcast vendége Apponyi Zsolt, Lead AI Engineer, akivel arról beszélgettünk, milyen mindennapi feladatai vannak az AI Engineer-nek, milyen tudásra és készségekre van szükség ehhez a szerepkörhöz, miként épül be a mesterséges intelligencia a szoftverfejlesztésbe. Mit jelent az AI Engineer szerepkör? Az AI Engineering a klasszikus szoftverfejlesztési életciklus kiterjesztése. Míg egy átlagos felhasználó a mesterséges intelligenciát csupán eszközként használja, addig egy AI Engineer magát az AI-t integrálja a nagyvállalati szoftverekbe aktív, döntéshozó komponensként. A szerepkör betöltéséhez elengedhetetlen a stabil szoftverfejlesztői háttér, a rendszerszintű problémamegoldó képesség és a folyamatos kíváncsiság az új technológiák iránt.Ha szeretnél Te is AI Engeer-ként dolgozni, nézd meg nyitott pozícióinkat itt: https://epa.ms/4L6eD8További epizódok: https://youtube.com/playlist?list=PLK23pc56HERNHx_dMmz_znsbuhpk5C8le&si=bkEFqNcK3_W8Gt8XLifeInTech blog: https://epa.ms/lifeintechblog00:00 – Mit jelent az AI Engineering?01:16 – Mit csinál egy AI Engineer?04:20 – Milyen út vezet az AI Engineer szerepkörig?06:41 – Milyen tudás és készségek szükségesek?09:18 – Mi az a RAG, és hogyan működik?11:29 – Hogyan lehet valakiből AI Engineer?16:00 – Az AI Engineer mindennapi feladatai20:33 – Kinek való ez a szerepkör, és mit hozhat a jövő?

Az epizód vendége Fejes Róbert (Director, Delivery Management), akivel arról beszélgettünk, hogyan alakítja át a mesterséges intelligencia a szoftverfejlesztést, a csapatok működését és a vezetői szerepeket. Szó esik az AI által kínált lehetőségekről, a bizonytalanság kezeléséről, a változásmenedzsmentről és arról is, hogyan lehet egy szervezetet felkészíteni a technológiai átalakulásra.00:00 – Miért nem kell feltalálni a kereket?01:04 – Mit csinál a Delivery Manager?07:13 – Hogyan változott a szoftverfejlesztés az elmúlt években?12:41 – Az AI megjelenése és az első nagy fordulópont17:20 – Miért nem elegendő, ha az AI tud kódot írni?21:03 – Félelem vagy lehetőség? Az AI emberi oldala28:22 – Kísérletezés, tanulás és alkalmazkodás a szervezetekben39:12 – Dark Factory és a szoftverfejlesztés jövője45:27 – Hogyan kommunikáljuk a bizonytalanságot?

Tőzsér Barnabással (Business Analysis Manager) a kis és nagy nyelvi modellek közötti különbségekről, a valódi üzleti értékteremtésről, az adatbiztonsági és fenntarthatósági szempontokról, valamint az AI-rendszerek várható jövőjéről beszélgetünk.

00:00 Mik azok a kicsi és nagy nyelvi modellek?

00:47 Mi az a nyelvi modell és hogyan működik valójában?03:12 Az AI fejlődése és az OpenAI szerepe a piac átalakulásában

08:56 Hol vannak még lehetőségek az AI-piacon és miért bukik el sok projekt?

11:15 Kicsi vagy nagy modell? A költség–teljesítmény dilemma

14:51 Valós üzleti példák

19:42 Szuverén AI, adatbiztonság és helyben futó modellek

24:42 Green AI: mennyire környezetterhelő egy AI-kérdés?28:01 Mikor kell valóban nagy nyelvi modellt használni?

30:58 A jövő: hibrid rendszerek, ahol a nagy és kis modellek együtt dolgoznak

32:49 AGI, szuperintelligencia és az AI következő nagy ugrása

Az EPAM-nál a május a well-being hónapja. 💙

Mit tehetünk a mentális és fizikai jóllétünkért? Hogyan tartsuk meg a kapcsolatot önmagunkkal ebben a gyorsan változó világban és milyen módon oldjuk fel a szorongásunkat az AI-jal kapcsolatban?

A #LifeInTech podcast legújabb adásában Kárpáti Judit beszélgetőtársai Kertész Máté (Senior Client Engagement Manager) és Olajos Zsolt (Associate Manager, Talent Development). A fókuszban a munkahelyi jóllét, a bizonytalanság elfogadása és a gyakorlati megküzdési stratégiák állnak.

Timetags: 

0:00 – Teaser és bevezető: Mit jelent ma a vállalati és egyéni jóllét?

4:03 – Kinek a felelőssége a well-being? Munkahelyi környezet és egyéni döntések

9:43 – A vezetők szerepe és a megosztott felelősségvállalás

12:14 – Hogyan nézzünk szembe a bizonytalansággal és a félelmekkel?

16:51 – Mesterséges intelligencia (AI) okozta szorongás a mindennapokban

21:11 – Kapcsolódás a testünkhöz: Az elfojtott érzelmek fizikai hatásai

25:47 – Gyakorlati tipp a mindennapokra: Kétperces testpásztázás

28:13 – A meditáció valódi célja és az érzelmek megélése

33:16 – A tökéletes mentális jóllét csapdája és az önegyüttérzés ereje

38:00 – Idealizált életképek és a negatív érzelmek elfogadása

43:23 – A munkahelyi jóllét társadalomformáló hatása és zárógondolatok

Rosenfeld Anna Juli Lead UX designerrel arról beszélgettünk, hogyan alakítja át a mesterséges intelligencia a tervezési folyamatokat, és miért vált kulcskérdéssé az AI etika, miért fontos a diverzitás és a női perspektíva az AI-rendszerek fejlesztésében. Az adásban szóba kerülnek az algoritmikus torzítások és az emberi kontroll szerepe is.

00:00: AI a UX designban

02:15: Jó és rossz UX, manipuláció a felületeken

05:30: Mit jelent az AI etika?

09:45: Szabályozás és digitális tudatosság

13:20: Emberi kontroll az AI döntései felett

16:45: Torzítások és kritikai gondolkodás

20:20: Nők és diverzitás az AI fejlesztésében

24:50: Az AI jövője: veszélyek és lehetőségek

Végh Norbert-tel, az EPAM Country Head-jével utoljára 5 éve, a pandémia után beszélgetünk. Ezúttal arról számolt be, hogyan alakult át az IT világa, és milyen hatással van az AI az üzletre és a fejlesztői munkára. Az epizódban szó esik növekedésről, bizonytalanságról és arról, miért a tanulási képesség lett a legfontosabb versenyelőny az EPAM szerint.00:00 – Bevezetés, gyorsuló technológia, az alkalmazkodás kényszere01:30 – Az EPAM ma; globális jelenlét és növekedés05:30 – 5 év változásai: Covidtól az AI-ig10:00 – Tanulás mint versenyelőny és szervezeti alap15:30 – AI a működésben: agentek és belső használat20:00 – Folyamatos irányváltás: így működik egy adaptív szervezet25:00 – Piaci helyzet és ügyféligények átalakulása32:00 – Juniorok szerepe az AI korszakban36:00 – Új fejlesztői elvárások és a „dark factory” koncepció41:30 – AI mint növekedési motor, jövőbeli kilátások

Mi a különbség a generatív AI és az agentek között, és hogyan jutunk el odáig, hogy az AI már nem csak válaszol, hanem cselekszik is? Ebben az epizódban Nedbál Attila, Lead Systems Engineer mutatja meg, hogyan alakítja át az Agentic AI a fejlesztést, a tanulást és a mindennapi munkavégzést.00:00 Miért érdemes kézzel kezdeni az AI használatát00:36 Bevezetés – mi az Agentic AI?01:15 Generatív AI vs. agentek03:29 Hogyan működik egy agent a gyakorlatban?05:47 AI a fejlesztésben – kódtól az automatizálásig10:12 Az agentek megjelenése és áttörése23:44 AI a tanulásban – új módszerek28:05 Kockázatok és mire figyeljünk37:02 Tanácsok kezdőknek és haladóknak