189. spotkanie WG.NET

## Details

Serdecznie zapraszamy 189. spotkanie Warszawskiej Grupy .NET, które odbędzie się w murach Wydziału MiNI PW, w sali 103. (ul. Koszykowa 75)

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: I'm an Engineering Manager at Allegro Pay, leading a platform team. My recent work includes leading a multi-region HA architecture stream and driving fleet-scale migrations using AI-assisted tooling. Before moving into management, I spent four years at Allegro as an individual contributor - shipping products like Allegro Cash and Allegro Care, building SLA framework, and running different interviews. I care about reliability, developer experience, and building teams where people do the best work of their careers.

## ➡ 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.