Jag bytte till AI Engineering för 2 år sedan! Det var det bästa karriärsteget jag någonsin gjort. Om du vill börja idag, här är en färdplan:

1️⃣ Mästare Python Medan många är upptagna med att koda, kommer de med starka kodningsgrunder alltid att sticka ut. Python är det språk som AI-gemenskapen talar, och Harvards CS50p är det bästa stället att lära sig det. 🔗

2️⃣ AI med Python När du är klar med grunderna är det rätt tid att förstå hur Python används i AI. Denna 4-timmarskurs av Andrew Ng är en bra utgångspunkt. 🔗

3️⃣ Förstå LLM:er Dessa tre videor av @3Blue1Brown är utan tvekan de bästa visuella förklaringarna av LLM:er och deras interna arbete. 1. Hur LLM:er fungerar 2. Djupdykning i transformatorer 3. Uppmärksamhet i transformatorer 4. Hur LLM:er lagrar fakta 🔗

4️⃣ LLM-forskning Nu när du förstår vad LLM:er är är det dags att lära dig att bygga dem själv. Det här är den bästa serien av den största läraren i världen. Neurala nät från noll till hjälte av Andrej Karpathy 🔗

5️⃣ AI-agenter Innan du hoppar in i AI-agenthypen bör alla läsa Anthropic AI:s guide om hur man bygger effektiva agenter. "För att bygga en agent behöver du inte komplexa ramverk eller bibliotek, utan snarare komponerbara mönster" 🔗

6️⃣ Tillämpad AI Jag rekommenderar inte att jaga ramverk, men jag gick den här kursen om CrewAI när jag började. Det är tydligt, praktiskt och lär dig att tänka på agenter som människor som arbetar tillsammans Dessutom är grundaren @joaomdmoura en utmärkt lärare. 🔗

7️⃣ AI-protokoll (MCP) Nu när du förstår vad agenter är är det dags att ansluta dem till externa verktyg, API:er och databaser. Min medgrundare och jag publicerade den här praktiska guiden om MCP med 10+ projekt. Det är gratis och laddas ner över 40 000 gånger. 🔗

7️⃣ Projektbaserat lärande Denna GitHub-lagringsplats innehåller 75+ projekt om AI-teknik. Allt är 100 % öppen källkod, vilket täcker • LLM:er och RAG:er • Verkliga AI-agentapplikationer • Exempel för att implementera, anpassa och skala i dina projekt 🔗

7️⃣ Bok(ar) Varje AI-ingenjör som bygger verkliga applikationer borde läsa den här boken. @chipro är en anmärkningsvärd lärare och hennes bok är en av de bästa om AI-teknik. Så du behöver inte läsa 10 böcker, den här borde få jobbet gjort! 🔗

För att sammanfatta, här är vad vi täckte: - Programmering (Python) - Grunderna i LLM - Bygga LLM:er / LLM-forskning - AI-agenter och tillämpad AI - AI-protokoll - Projekt inom AI-teknik - Bok(ar) Jaga aldrig ramverk – de kommer och går. Bemästra grunderna.

Om du tyckte att det var insiktsfullt, dela det igen med ditt nätverk. Hitta mig → @akshay_pachaar ✔️ För fler insikter och handledningar om LLM:er, AI-agenter och maskininlärning!