Egyetemi szint, ingyen
Az MIT kinyitotta a teljes katalógusát
A Massachusetts Institute of Technology az OpenCourseWare programján keresztül több mint 2500 kurzus teljes anyagát teszi elérhetővé, jegyzetekkel, feladatokkal, vizsgákkal és felvett előadásokkal. Nem kell hozzá jelentkezés, se regisztráció, se fizetés. A program 25 éve fut, és félmilliárdnál több tanulót ért el. Diplomát nem ad, tudást viszont pontosan ugyanazt, amit a kampuszon ülő hallgatók kapnak.
AI témában a katalógus a nulláról indulóktól a mélyvízig fed le mindent. Van bevezető gépi tanulás kurzus, klasszikus mesterséges intelligencia tárgy, algoritmus alapozó, mélytanulás bevezető és a generatív modellekről szóló modern anyag is. A belépési pont az ocw.mit.edu, a mélytanuláshoz pedig külön oldalon fut a híres bevezető sorozat, az MIT Introduction to Deep Learning, amelynek az előadásait évente frissítik.
Az egyetemi anyagok ereje a sorrend. Egy YouTube videó egy témát magyaráz el, egy kurzus viszont azt is eldönti helyetted, mi épül mire. Aki komolyan akar alapozni, annak az a javaslatom, hogy egyetlen kurzust vigyen végig az elejétől, és ne szemezgessen ötből.
Első lépcső
Alapok és intuíció
Ezen a szinten az a cél, hogy a fogalmak mögé kép kerüljön. Ide három forrás elég.
3Blue1Brown a matematikai intuíció mestere. A neurális hálókról szóló sorozata a legjobb vizuális magyarázat, amit a témában ismerek, és nem kell hozzá képlet-olvasási rutin.
StatQuest with Josh Starmer a statisztika és a gépi tanulás fogalmait bontja fel apró, emészthető darabokra. Ha egy fogalom nem világos, jó eséllyel van róla StatQuest videó.
Khan Academy akkor kell, ha a matematikai alapok hiányoznak. Lineáris algebra és valószínűségszámítás nélkül a mélyebb anyagok előbb-utóbb falba futnak, itt lehet pótolni.
Második lépcső
Kéz a kódban
A második szinten az számít, hogy a saját géped is csináljon valamit. Itt a hosszabb, végigkövethető formátum ér a legtöbbet.
Andrej Karpathy csatornája a terület egyik legjobbja. A „Zero to Hero" sorozatban nulláról épít fel egy nyelvi modellt, kódolva, magyarázva. Ez az anyag egyetemi kurzusokkal egyenértékű, és ingyen van.
freeCodeCamp több órás, teljes kurzusokat ad Pythonból, gépi tanulásból és adatelemzésből. Jó belépő azoknak, akiknek a programozás is új.
sentdex és Tech With Tim projekt alapon tanít, egy-egy konkrét, működő dolgot építve. Akkor hasznosak, amikor az alapok már megvannak, és gyakorlat kell.
Harmadik lépcső
Lépéstartás és mélyvíz
A harmadik szint már nem tanulás a szó iskolai értelmében, hanem lépéstartás egy hetente változó területtel.
Two Minute Papers friss kutatási eredményeket fordít le pár perces, lelkes videókra. Arra jó, hogy az ember lássa, merre megy a terület, anélkül hogy cikkeket olvasna.
AI Explained és Matthew Berman az új modellek képességeit elemzi megjelenéskor, mérésekkel, nem marketinggel.
Yannic Kilcher kutatási cikkeket elemez mélységben, DeepLearningAI pedig Andrew Ng csapatának strukturált, oktatás igényű anyagait hozza. A gyakorlati üzemeltetés, tehát az éles rendszerek világa felé a Weights & Biases csatornája a jó belépő.
Módszer
Hogyan érdemes nekiállni
A leggyakoribb hiba, hogy valaki elment harminc forrást, és egyiket sem nézi végig. A működő minta ennek a fordítottja. Egy szinten egy forrás, azt viszont végig. Az alapokhoz egy 3Blue1Brown sorozat és mellé egy MIT bevezető kurzus bőven elég fél évre. A gyakorlathoz egy Karpathy sorozat. A lépéstartáshoz heti fél óra, egyetlen hírcsatornával.
A másik gyakori hiba a szintugrás. Aki intuíció nélkül kezd kódolni, az másolni fog, nem érteni. Aki viszont soha nem lép át a gyakorlatba, annak a tudása beszélgetésekben él csak. A lépcsők sorrendje ezért nem díszítés, hanem a lényeg.
Aki pedig nem fejlesztőként, hanem vezetőként vagy irodai munkában akarja használni az AI-t, annak nem ez az út való, hanem a feladatközpontú tanulás. Erre építettem a KD AI Academy ingyenes kurzusait, a vezetői bevezetőtől a prompt engineering anyagig, magyarul, munkahelyi példákkal. A kettő nem versenyez egymással, a fenti források a technológia megértéséhez visznek közel, az Academy pedig ahhoz, hogy a mindennapi munkában hasznot hozzon.