#151 TG-NET Spotkanie

🕕 18:00 : Bartłomiej Oleś – Paradoks Jevonsa w AI: miliard małych decyzji, które zmieniają świat. Co się stanie, gdy milion decyzji kosztuje mniej niż pizza?

🕖 19:00 : Adam Sitnik– Process API Improvements in .NET 11

🕗 20:00 : Artur Gruchała – Hybrydowa baza danych w jednym silniku: relacje, JSON i wyszukiwanie wektorowe ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

🎯 Presentation 1: 18:00 — Bartłomiej Oleś – Paradoks Jevonsa w AI: miliard małych decyzji, które zmieniają świat. Co się stanie, gdy milion decyzji kosztuje mniej niż pizza?

🧾 Description: W XIX wieku William Stanley Jevons zauważył coś dziwnego: im mniej węgla zużywały maszyny parowe, tym więcej węgla spalał świat. Historia właśnie się powtarza, tylko zamiast węgla mamy AI, a zamiast maszyn parowych nasze aplikacje. We wrześniu TypeSafe AI pokazało Jev, model nazwany właśnie na cześć Jevonsa, który w ogóle nie generuje tekstu. Zamiast tego podejmuje decyzje: wybiera, ocenia i odpowiada tak/nie, podając przy tym, na ile jest pewny. Internet od razu zrobił z nim to, co internet robi najlepiej: kazał mu grać w Pokémony, rozgrywać szachy, wycinać sponsorów z YouTube'a, ukrywać spoilery w komentarzach, zbudować miasteczko 10 000 wirtualnych mieszkańców oburzonych każdym postem, a przy okazji budzić dyżurnych DevOpsów tylko wtedy, gdy naprawdę coś się pali. Takich przykładów zobaczymy na sesji mnóstwo, a potem zastanowimy się, co to oznacza dla nas, i które if-y w naszym kodzie zastąpi AI.

👨‍💻 BIO: Bartłomiej Oleś zawodowo zajmuje się optymalizacją operacji IT, zarządzając systemami o wysokiej dostępności w firmach takich jak Volue, IBM, Acxiom i Lufthansa. W ostatnich latach jego głównym obszarem zainteresowań jest budowanie zespołów oraz procesów, a także wdrażanie narzędzi automatyzujących zarządzanie bazami danych i aplikacjami w środowiskach Azure. Specjalizuje się w optymalizacji procesów operacyjnych i automatyzacji infrastruktury, co pozwala tworzyć wydajne i skalowalne systemy wspierające działalność międzynarodowych firm z sektora energetycznego. ───────────────────────────────────────

🎯 Presentation 2: 19:00 — Adam Sitnik – Process API Improvements in .NET 11

🧾 Description: NET 11 introduces the biggest update to System.Diagnostics.Process in years. The new APIs make common scenarios such as running a process and capturing its output dramatically simpler, while also adding low-level control over handle inheritance, standard I/O redirection, child process lifetime, and detached processes. In this talk, we’ll look at the problems these APIs solve, including the surprisingly easy ways redirected stdout and stderr can deadlock an application. We’ll explore the new Process and SafeProcessHandle APIs and take a peek under the hood at the cross-platform implementation and performance improvements in .NET 11.

👨‍💻 BIO: My name is Adam Sitnik. I am a Software Engineer focused on .NET performance and reliability. I believe strongly in open source. I contribute to few open source projects: BenchmarkDotNet, dotnet/performance, corefx, coreclr, corefxlab and the awesome .NET Performance list. This blog is also open source. I have spent much of my professional life working on systems for energy producers and distributors. It included projects such as energy trading, production optimization, balance settlement and critical events detection. So far no blackouts! I currently work for the .NET Team at Microsoft where I work on making the .NET Framework the fastest developer platform on the planet. I am also an ex-MMA practitioner, AFOL, rabbit owner and a huge star wars fan. ───────────────────────────────────────

🎯 Presentation 3: 20:00 — Artur Gruchała – Hybrydowa baza danych w jednym silniku: relacje, JSON i wyszukiwanie wektorowe

🧾 Description: Podczas wykładu przedstawię hybrydowy model danych, w którym dane relacyjne, dokumenty JSON oraz wektory są przechowywane i przetwarzane w jednym silniku bazodanowym. Takie podejście sprawdza się w systemach, które wymagają spójnego modelu transakcyjnego, a jednocześnie muszą obsługiwać elastyczne dane — na przykład payloads, metadane oraz rzadkie lub nieregularne atrybuty — i oferować wyszukiwanie semantyczne, rozwiązania RAG albo mechanizmy rekomendacyjne.

Zamiast wdrażać i integrować osobne platformy, takie jak MongoDB oraz Qdrant, Chroma, Milvus, można w wielu scenariuszach ograniczyć liczbę komponentów, uprościć transakcje, kopie zapasowe, kontrolę dostępu i monitoring. Pokażę to na przykładzie PostgreSQL 18 z typem JSONB, wyszukiwaniem Full Text Search, rozszerzeniami pg_trgm i pgvector oraz SQL Server 2025/Azure SQL z obsługą JSON i natywnym typem wektorowym. Omówię również sytuacje, w których wyspecjalizowana baza dokumentowa lub wektorowa nadal będzie lepszym wyborem.

Zakres wykładu: · architektura rozwiązania hybrydowego: wspólny model danych, transakcje i integracja z aplikacją, · tworzenie, walidacja, przeszukiwanie i modyfikowanie dokumentów JSON, · dobór indeksów dla danych relacyjnych, dokumentowych i wektorowych oraz analiza planów wykonania, · full text search i trigram w PostgreSQL, w tym różnice między wyszukiwaniem leksykalnym a semantycznym, · przechowywanie embeddingów oraz wyszukiwanie wektorowe: miary odległości, wyszukiwanie dokładne i przybliżone, jakość wyników i koszty indeksów, · embedding przy wykorzystaniu modelu OpanAI i darmowego lokalnego SentenceTransformer, · łączenie filtrów SQL, wyszukiwania tekstowego i podobieństwa wektorowego w zapytaniach hybrydowych, · przykładowe zastosowania: wyszukiwanie semantyczne, RAG, rekomendacje i wykrywanie podobnych rekordów, · porównanie PostgreSQL 18 oraz SQL Server 2025/Azure SQL, wraz z kryteriami wyboru architektury jednosilnikowej lub rozwiązania opartego na osobnych bazach.

👨‍💻 BIO: Jestem SQL/ETL Developerem, pracuję głównie z T-SQL, SSIS i SSRS oraz Python. W jednym z projektów pracowałem z PostgreSQL. W przeszłości także byłem przez wiele lat programistą backend (.NET/C#). ───────────────────────────────────────

Thank you, Volue, for supporting TG.NET.