Technický rozvoj: Od průmyslových procesů k ERP a automatizaci
"Kvalita je zvyk, ne jednorázový čin. Principy z praxe přenáším do kódu."
Mám za sebou více než 10 let v oboru technologií povrchových úprav a průmyslové výroby, kde jsou preciznost a systematický přístup naprostou nutností.
Prošel jsem si certifikací v SW Testování a základy Kyberbezpečnosti, ale můj hlavní zájem se nyní soustředí na vývoj a UAT testování v Odoo ERP. Mým cílem je propojovat hluboké znalosti reálných výrobních procesů se světem podnikového softwaru.
Abych tyto systémy dokázal nejen používat, ale i upravovat "pod kapotou", stavím si pevné základy v Pythonu, Linuxu a orchestraci v Dockeru. Souběžně s tím experimentuji s lokálními AI modely a agentními systémy, protože věřím, že budoucnost ERP leží v jejich inteligentní automatizaci.
- odoo-docker-sandbox — Moje vývojové a testovací prostředí pro učení Odoo ERP pomocí Dockeru. Repozitář obsahuje best practices pro lokální vývoj, přípravu na UAT testování a tvorbu vlastních Python modulů modelujících reálnou výrobu (lakovnu).
- ai-workshop — Strukturovaný repozitář mých technických znalostí a roadmapy učení. Sdílím zde praktické základy: od aktivace Python prostředí až po práci s lokálními Ollama modely a multi-model prompt chaining přes CLI.
- SemiShape — Experimentální AI asistent pro knihovnu build123d.
Významnější projekty (nejen z kurzů) budou postupně přesunuty do samostatných repozitářů.
Aktuální fokus:
- Odoo ERP (Architektura, ORM, UAT testování)
- Python (Fundamentals, datové struktury, skriptování)
- Docker (Orchestrace kontejnerů pro lokální vývoj, docker-compose)
- Linux (Pop!_OS daily driver) & Git workflows
- Lokální AI (Ollama, multi-model prompt chaining v CLI)
Certifikace:
- Junior Tester (Engeto, 100h) — SDLC, testovací strategie, tvorba test-cases
- Základy Kyberbezpečnosti (ITnetwork, 70h) — Analýza rizik, kryptografie
Na horizontu:
- Studium Odoo 19 Development Cookbook (Packt) – vývoj custom modulů a REST API
- Propojování AI agentů (MCP standard) s podnikovými systémy a databázemi
- Praxe a přesah: Kód musí řešit reálné problémy z výroby, nejen ty teoretické.
- Systematický přístup: Hloubka porozumění (jak věci fungují pod kapotou) má přednost před šířkou.
- Nezávislost: Open-source nástroje, vlastní lokální infrastruktura (Linux/Docker) = plná kontrola nad prostředím.