Искусственный интеллект и машинное обучение достигли точки перегиба, становясь неотъемлемой частью любой индустрии, профессии и бизнеса. В новом обзоре предприниматель и технологический эксперт Уэс Рот (Wes Roth) представляет дорожную карту обучения ИИ на 2025 год, предлагая сочетание бесплатных и платных ресурсов для студентов, карьеристов и владельцев бизнеса.
🛠 GitHub: лаборатория практического опыта и открытого кода 0:39
GitHub остается крупнейшим в мире репозиторием кода, где разработчики делятся проектами и сотрудничают в режиме реального времени . Для тех, кто хочет получить практический опыт работы с передовыми инструментами ИИ, Рот рекомендует изучать открытые проекты, которые можно запускать и модифицировать самостоятельно.
В качестве примеров инновационных проектов на GitHub выделяются:
- Alloy Voice Assistant: голосовой помощник, позволяющий подключать модели ChatGPT, Gemini или Claude для общения голосом в реальном времени . Инструмент имеет доступ к веб-камере, может «видеть» объекты и отвечать на вопросы о них .
- ChatDev: симуляция полноценного агентства по разработке программного обеспечения, где виртуальные отделы (разработка, тестирование, документация) управляются агентами на базе ChatGPT .
- Microsoft AutoGen: платформа для создания автономных ИИ-агентов, способных совместно выполнять сложные задачи в сети .
По мнению Уэса Рота, GitHub — это не просто хранилище, а возможность наблюдать за тем, что создают лучшие специалисты мира, и строить собственные решения на базе их наработок .
🎓 Simply Learn: структурированный путь и карьерный рост 3:08
Для тех, кто предпочитает академический подход и официальную сертификацию, Рот выделяет платформу Simply Learn. По его словам, это одна из наиболее прогрессивных площадок, сотрудничающая с ведущими университетами и корпорациями .
Программы обучения, такие как «AI and Machine Learning Bootcamp», включают в себя последовательный путь:
- Основы программирования: установка Python и настройка сред разработки (IDE), таких как VS Code .
- Работа с данными: освоение Jupyter Notebook и библиотек для Data Science .
- Фреймворки: изучение TensorFlow и PyTorch для обучения собственных нейронных сетей .
- Прикладной ИИ: генеративный ИИ, промпт-инжиниринг и финальные дипломные проекты (например, создание приложения для электронной коммерции) .
Особое внимание Рот уделяет курсу «Generative AI for Business Transformation». Автор признается, что хотел бы иметь доступ к таким инструментам автоматизации (как Zapier в связке с ChatGPT) еще в 2016 году, когда строил свой бизнес в сфере e-commerce . По его мнению, навыки автоматизации рабочих процессов сегодня являются «золотой жилой» для специалистов .
Согласно данным, приведенным в видео, в США формируется огромный спрос на роль «инженера по генеративному ИИ» (Generative AI Engineer), где средняя зарплата составляет около $122 000, а опытные специалисты могут рассчитывать на сумму до $192 000 в год .
🤖 ИИ как учитель: программирование без написания кода 10:01
Одним из самых мощных методов обучения Уэс Рот считает использование самих инструментов ИИ для решения задач по кодингу. Современные большие языковые модели (LLM) позволяют создавать сложные приложения даже тем, кто не владеет синтаксисом языков программирования .
В качестве эксперимента Рот продемонстрировал модификацию проекта с GitHub с помощью ChatGPT (модель GPT-4o с интерфейсом Canvas) :
- Он скопировал код голосового помощника, работающего с веб-камерой, и попросил ИИ переписать его так, чтобы программа анализировала скриншоты рабочего стола .
- ChatGPT не только переписал код, используя библиотеку
PyAutoGUI, но и объяснил каждое изменение . - При возникновении ошибок автор просто копировал текст ошибки обратно в чат, и ИИ исправлял баги .
Рот подчеркивает: за весь процесс он не написал ни одной строчки кода самостоятельно . По его мнению, новичкам не стоит бояться отсутствия знаний в программировании — достаточно понимать базовые концепции, уметь работать с терминалом и правильно формулировать вопросы для LLM .
🧠 Андрей Карпати: глубокое понимание основ 14:47
Для тех, кто хочет заглянуть «под капот» технологий, Рот рекомендует ресурсы Андрея Карпати (Andrej Karpathy). Карпати — знаковая фигура в индустрии: он работал над автопилотом в Tesla вместе с Илоном Маском, был сооснователем OpenAI и сотрудничал с ведущими исследователями, такими как Илья Суцкевер .
В настоящее время Карпати сосредоточился на образовательной деятельности. Его YouTube-канал предлагает:
- Глубокое погружение во внутреннее устройство больших языковых моделей (LLM) .
- Бесплатные репозитории на GitHub, помогающие понять фундаментальные принципы обучения нейросетей .
- Видео «Intro to Large Language Models», которое Рот называет обязательным к просмотру для понимания возможностей и ограничений современных технологий .
Этот ресурс ориентирован на тех, кто хочет выйти за рамки простого использования инструментов и стремится понять базовый слой того, как работает ИИ на самом деле .
