Ucz się AI: koduj — Kurs AI w Python na telefon, od pierwszej linii kodu po LLM

Nie. Ucz się AI: koduj zaczyna się od programowania w czystym Python — zmiennych, pętli, funkcji i struktur danych — zanim rozpocznie się jakikolwiek kurs poświęcony AI, przy założeniu, że nigdy wcześniej nie pisałeś(-aś) kodu. Mniej więcej pierwsza trzecia z 53 kursów obejmuje podstawy języka, dzięki którym późniejsze kursy uczenia maszynowego stają się zrozumiałe, a nie magiczne.

Najpierw podstawy Python, potem praca z danymi przy użyciu NumPy, pandas i podstaw statystyki, a następnie klasyczne uczenie maszynowe — algorytmy uczenia nadzorowanego i nienadzorowanego, inżynieria cech oraz ocena modeli. Sieci neuronowe, widzenie komputerowe i duże modele językowe pojawiają się na końcu i bazują na wszystkim, czego uczysz się wcześniej. Lista kursów aplikacji zachowuje tę kolejność, zamiast pozwalać na zbyt wczesne przejście do deep learning.

Ucz się AI: koduj powstała z myślą o osobach bez żadnego doświadczenia, które interesują się sztuczną inteligencją, uczniach i studentach chcących dodatkowo ćwiczyć Python i uczenie maszynowe podczas zajęć, osobach zmieniających ścieżkę kariery i rozwijających umiejętności w zakresie data science oraz programistach szukających uporządkowanego powtórzenia deep learning i LLM. Do rozpoczęcia nie jest potrzebne żadne doświadczenie, ponieważ pierwszy kurs zaczyna się od zera.

Overfitting to sytuacja, w której model zapamiętał przykłady treningowe zamiast nauczyć się ogólnego wzorca — wygląda na dokładny w przypadku danych, które już widział, ale zawodzi na wszystkim, co nowe. To jeden z pierwszych rzeczywistych problemów z debugowaniem, z jakimi początkujący spotykają się po rozpoczęciu trenowania prawdziwych modeli, zamiast tylko czytania o nich. Dlatego jest to częste pytanie do AI Mentor w aplikacji, a nie rzadki przypadek.

Ćwiczenia z kodowania w kursie działają we wbudowanym edytorze aplikacji: wpisujesz kod, uruchamiasz go i od razu widzisz wynik, więc ćwiczysz na prawdziwym kodzie zamiast czytać statyczne przykłady. Laptop ze sprzętem GPU staje się niezbędny dopiero po przejściu od ćwiczeń kursowych do trenowania dużych modeli na skalę produkcyjną, co wykracza poza zakres aplikacji edukacyjnej.

Tak. Po klasycznym uczeniu maszynowym i sieciach neuronowych ścieżka obejmuje przetwarzanie języka naturalnego, osadzenia słów, a następnie konkretnie duże modele językowe: kurs Large Language Models with Python oraz kurs LangChain and RAG Systems, który pokazuje, jak połączyć LLM z własnymi danymi, aby odpowiadał na pytania dotyczące tych danych.

Regularność jest ważniejsza niż łączna liczba godzin. Przy krótkich, codziennych lekcjach większość początkujących może w ciągu kilku tygodni napisać i uruchomić prosty klasyfikator — po ukończeniu podstaw Python i pierwszych kursów uczenia maszynowego. Kursy dotyczące sieci neuronowych i LLM znajdujące się dalej na ścieżce wymagają więcej czasu i są przeznaczone do powracania do nich. Serie i przypomnienia w aplikacji zostały zaprojektowane z myślą o takim codziennym rytmie, a nie o jednej długiej sesji.

Aplikację można bezpłatnie pobrać w App Store i Google Play. Pierwszy kurs jest bezpłatny i obejmuje dzienny limit pytań do AI Mentor, więc możesz przejść przez prawdziwe lekcje Python, zanim podejmiesz decyzję. Pro to płatne ulepszenie: odblokowuje wszystkie kursy, w tym materiały dotyczące uczenia maszynowego i LLM, usuwa reklamy i zapewnia nielimitowany dostęp do AI Mentor.

Została stworzona z myślą o niestabilnym połączeniu, a nie o jego całkowitym braku. Lekcje szybko się ładują i nadal działają, gdy połączenie pojawia się i znika, co sprawdza się podczas większości dojazdów. AI Mentor to element, który rzeczywiście wymaga połączenia, ponieważ odpowiada na pytania na żywo, a nie na podstawie danych przechowywanych w telefonie.

Ucz się AI: koduj działa na iOS za pośrednictwem App Store oraz na Android za pośrednictwem Google Play, a sama aplikacja jest dostępna w 22 językach. Ma oznaczenie treści 4+. Jest częścią CoddyKit — rodziny ponad 40 aplikacji do nauki programowania.