Krajina umelej inteligencie na Slovensku v niekoľkých bodoch
Slovenská umelá inteligencia stojí na troch pilieroch: technických univerzitách, špecializovanom výskumnom ústave a technologických firmách. Slovenská technická univerzita v Bratislave so svojou Fakultou informatiky a informačných technológií vychováva každý rok inžinierov a výskumníkov. Ústav KInIT so sídlom v Bratislave rozvíja projekty umelej inteligencie v spolupráci s akademickým svetom. Skupiny ako ESET, známejšia v oblasti kybernetickej bezpečnosti, zamestnávajú tímy pre dáta a strojové učenie.
Krajina je teda menšia než jej susedia, ale tímy sú dostupné. Študent tu môže rýchlo stretnúť vedúceho projektu, čo mení spôsob prihlasovania: odôvodnená a cielená žiadosť tu často váži viac než hromadné rozosielanie.
Akademická prax alebo stáž vo firme: dve odlišné logiky
V študijnom programe aplikovanej informatiky na STU môže mať odborná prax viacero podôb. Podľa stránky predmetu, ktorú sme skontrolovali, musí študent splniť jednu zo štyroch možností: technickú prax vo firme v rozsahu aspoň 150 hodín, pedagogickú prax pri podpore výučby, vedeckú prax vo výskumnom projekte alebo vopred schválenú odbornú certifikáciu. Študent si miesto hľadá sám a výber nechá schváliť vedúcim predmetu.
Toto usporiadanie objasňuje rozdiel medzi dvoma prístupmi. Vedecká prax sa zameriava na metódu: čítať články, reprodukovať výsledok, merať výkon. Stáž vo firme sa zameriava na produkt: zapojiť sa do dátovej linky, rozhrania API alebo nástroja na podporu rozhodovania. Vyberajte podľa svojho cieľa, doktorát alebo povolanie inžiniera, a nie podľa prestíže.
Čo ponúkajú kariérne stránky KInIT a ESET
Kariérna stránka KInIT, ktorú sme skontrolovali na jeseň 2026, vyzdvihuje doktorát v oblasti umelej inteligencie pod vedením výskumníkov, pozície výskumníka alebo inžiniera, európske granty pre mladých výskumníkov a profily zamerané na etiku a právo v oblasti umelej inteligencie. Výslovne neuvádza študentskú stáž: bolo by preto nešikovné prezentovať svoj postup ako prihlášku na ponuku, ktorá neexistuje. Motivovaný kontakt s presnou témou zostáva možný, bez prísľubu odpovede.
V ESET kariérna stránka neopisuje študentský program ani konkrétnu pozíciu v oblasti umelej inteligencie, ale odkazuje na otvorené pozície rozdelené medzi Bratislavu, Košice a Žilinu. Aj tu si pred záverom prezrite celý zoznam a filtrujte podľa úrovne vzdelania a miesta. Kariérna stránka naznačuje cestu, ktorú možno preskúmať, nie zaručenú stáž.
Právny rámec a situácia zahraničných študentov
Na Slovensku neexistuje jednotná zmluva o stáži. Podľa prípadu vzťah vychádza z dohody medzi školou a firmou, z dohody o brigádnickej práci študenta, z pracovnej zmluvy alebo, vo výskume, z dohody o projekte. Učňovská príprava v užšom zmysle, duálne vzdelávanie, sa týka predovšetkým odborných stredoškolských odborov; v oblasti umelej inteligencie vedie cesta skôr cez prax v rámci štúdia, doktorandské štúdium a firemné programy.
Občania Európskej únie využívajú voľný pohyb, s formalitami pobytu pri dlhších pobytoch. Pre štátnych príslušníkov tretích krajín povolenie na pobyt za účelom štúdia nie vždy znamená povolenie pracovať. Nechajte si právo, ktoré sa vzťahuje na váš prípad, upresniť prijímajúcou inštitúciou a príslušnými orgánmi skôr, než niečo podpíšete.
Zručnosti očakávané od študenta umelej inteligencie
Nie všetky tímy hľadajú rovnaké profily. Napriek tomu možno rozpoznať spoločný základ.
- Programovanie v Pythone a znalosť bežných knižníc strojového učenia.
- Aplikovaná matematika: lineárna algebra, pravdepodobnosť, optimalizácia.
- Správa údajov: čistenie, verzovanie, dokumentovanie použitých súborov.
- Kritické čítanie vedeckých článkov a jasné písanie v angličtine.
- Tímový duch: projekt umelej inteligencie spája inžinierov, právnikov, odborníkov na danú oblasť a niekedy aj lingvistov.
Verejný, dobre zdokumentovaný repozitár kódu, hoci skromný, má väčšiu hodnotu než zoznam nástrojov prepísaný do životopisu.
Cvičenie, ktorým sa odlíšite: zdokumentovať anotácie
Mnoho projektov zlyháva pre nedostatok dôslednosti pri dátach, dlho predtým, než sa vyberie model. Jednoduché cvičenie spočíva v napísaní anotačného pravidla ešte pred trénovaním klasifikátora obrázkov. Opíšte, čo je platný príklad, aké sú nejednoznačné prípady a ako sa rozhoduje. Nechajte dokument prečítať ďalšou osobou, zaznamenajte nezhody a zmerajte, ako často sa vyskytujú.
Ak sa váš súbor týka citlivej oblasti, napríklad kontroly priemyselných dielov, uveďte, že váš prototyp je výukový a nikdy nenahrádza kvalifikovanú kontrolu. Predloženie tohto dokumentu náborárovi ukazuje zrelosť, ktorá je u začiatočníka vzácna: dokazujete, že viete urobiť výsledok overiteľným.
Príprava prihlášky a pohovoru
Napíšte jednostranový životopis, na začiatku s vašimi predmetmi, projektmi a odkazmi na vašu prácu. List má oznámiť presnú tému: napríklad „detekcia anomálií v časových radoch“ alebo „hodnotenie jazykových modelov pre jazyk s malým množstvom dát“. Uveďte, prečo vás cieľový tím zaujíma, s odkazom na jedno z jeho verejných zameraní, bez kopírovania jeho prezentácie.
Na pohovore sa pripravte na krátku prezentáciu projektu, na otázky o metóde (preučenie, metriky, delenie súborov) a na malé programátorské cvičenie. Trénujte vysvetľovanie negatívneho výsledku: je to vlastnosť, ktorú si ľudia cenia.
Kalendár a tempo hľadania
Doktorandské a výskumné programy otvárajú prihlášky v pevných termínoch, často na začiatku roka. Praxe v rámci štúdia sa riadia kalendárom semestrov: overte si na svojej škole, kedy musia byť téma a vedúci schválení, pretože niektoré predmety vyžadujú schválenie vopred, na začiatku semestra.
Počítajte s dvoma až tromi mesiacmi aktívneho hľadania. Začnite zoznamom piatich tímov, prečítajte si dve z ich nedávnych publikácií a pripravte pre každý osobnú správu. Pripomeňte sa len raz, približne po desiatich dňoch.
Časté úskalia
- Prihlásiť sa na ponuku pre skúseného výskumníka v domnienke, že sa tam vstupuje ako študent.
- Sľubovať výkonnostné výsledky bez uvedenia údajov a metódy merania.
- Zanedbať etický a právny rozmer osobných údajov, najmä európsky rámec.
- Zabudnúť nechať prax schváliť školou, ak to študijný program vyžaduje.
- Predpokladať, že veľké meno zamestnávateľa zaručuje skúsenosť s umelou inteligenciou: opýtajte sa, aké úlohy by ste mali vykonávať.
Časté otázky
Existujú na Slovensku stáže v umelej inteligencii určené špeciálne pre študentov?
Možnosti existujú, ale sú málo centralizované. Vedú cez prax zaradenú do štúdia, cez výskumné projekty univerzít, cez priame kontakty s ústavmi a cez niektoré technologické firmy. Kariérne stránky nie vždy výslovne uvádzajú stáž: každý inzerát preto treba overiť a v prípade potreby napísať tímu.
Treba vedieť po slovensky, aby som mohol pracovať na umelej inteligencii?
Nie nevyhnutne. Angličtina je bežným pracovným jazykom vo výskume aj v mnohých vývojárskych tímoch. Slovenčina sa stáva užitočnou pre každodenný život, niektoré projekty o miestnom jazyku alebo vzťahy so zákazníkmi a úradmi. Svoju úroveň uveďte vo svojom podaní úprimne.
Aké trvanie praxe plánovať?
Závisí od inštitúcie a statusu. Ako príklad, predmet odbornej praxe na STU spomenutý na tejto stránke vyžaduje pri technickej možnosti aspoň 150 hodín. Letná stáž vo firme môže trvať niekoľko týždňov, zatiaľ čo doktorát trvá niekoľko rokov. Presné trvanie si overte v študijnom poriadku svojho programu.
Čo robiť, ak ústav nezverejňuje žiadnu ponuku stáže?
Pošlite krátku a presnú správu vedúcemu tímu, s realistickou témou, životopisom a odkazom na projekt. Uveďte svoju dostupnosť a rámec schvaľovania vašej školy. Počítajte s tým, že odpoveď môže byť záporná alebo oneskorená, a popritom nechajte otvorené aj ďalšie možnosti.
Môže sa prihlásiť študent spoza Európskej únie?
Často áno, ale podmienky pobytu a práce závisia od krajiny pôvodu a držaného titulu. Spýtajte sa prijímajúcej inštitúcie, aké formality sa uplatňujú a aké lehoty treba počítať. Nezačínajte žiadnu činnosť, kým nedostanete písomnú odpoveď príslušných orgánov.
Ako dokázať svoje zručnosti bez predchádzajúcej skúsenosti?
Oprite sa o zdokumentované osobné alebo univerzitné projekty: čistý repozitár kódu, správu o súbore údajov, anotačné pravidlo, ktoré si prečítala tretia osoba. Náborár ocení jasnosť postupu, úprimnosť o obmedzeniach a reprodukovateľnosť výsledkov oveľa viac než veľkosť použitého modelu.