Ik ben 2 jaar geleden overgestapt naar AI Engineering! Het was de beste carrièrezet die ik ooit heb gemaakt. Als je vandaag wilt beginnen, hier is een roadmap:

1️⃣ Beheers Python Terwijl velen druk bezig zijn met vibe coding, zullen degenen met sterke programmeerfundamentals altijd opvallen. Python is de taal die de AI-gemeenschap spreekt, en Harvard's CS50p is de beste plek om het te leren. 🔗

2️⃣ AI met Python Als je de basis onder de knie hebt, is het de juiste tijd om te begrijpen hoe Python wordt gebruikt in AI. Deze cursus van 4 uur door Andrew Ng is een geweldige start.

3️⃣ Begrijpen van LLM's Deze drie video's van @3Blue1Brown zijn zonder twijfel de beste visuele uitleggen van LLM's en hun interne werking. 1. Hoe LLM's werken 2. Diepgaande analyse van Transformers 3. Aandacht in transformers 4. Hoe LLM's feiten opslaan 🔗

4️⃣ LLM-onderzoek Nu je begrijpt wat LLM's zijn, is het tijd om te leren hoe je ze zelf kunt bouwen. Dit is de grootste serie van de grootste leraar ter wereld. Neurale netwerken van nul naar held door Andrej Karpathy 🔗

5️⃣ AI-agenten Voordat je in de hype rond AI-agenten duikt, moet iedereen de gids van Anthropic AI over het bouwen van effectieve agenten lezen. "Om een agent te bouwen, heb je geen complexe frameworks of bibliotheken nodig, maar eerder samenstelbare patronen." 🔗

6️⃣ Toegepaste AI Ik raad niet aan om frameworks te achtervolgen, maar ik heb deze cursus op CrewAI gevolgd toen ik begon. Het is duidelijk, praktisch en leert je om over agenten na te denken als mensen die samenwerken. Bovendien is de oprichter @joaomdmoura een uitstekende leraar. 🔗

7️⃣ AI Protocollen (MCP) Nu je begrijpt wat agenten zijn, is het tijd om ze te verbinden met externe tools, API's en databases. Mijn mede-oprichter en ik hebben deze praktische gids over MCP gepubliceerd met 10+ projecten. Het is gratis en meer dan 40.000 keer gedownload. 🔗

7️⃣ Projectgebaseerd leren Deze GitHub-repo bevat meer dan 75 projecten over AI Engineering. Alles is 100% open-source en dekt • LLM's en RAG's • Toepassingen van AI-agenten in de echte wereld • Voorbeelden om te implementeren, aan te passen en op te schalen in jouw projecten 🔗

7️⃣ Boek(en) Elke AI-engineer die echte toepassingen bouwt, zou dit boek moeten lezen. @chipro is een opmerkelijke lerares en haar boek is een van de beste over AI-engineering. Dus, je hoeft niet 10 boeken te lezen, dit boek zou genoeg moeten zijn! 🔗

Samenvattend, dit is wat we hebben behandeld: - Programmeren (Python) - Basisprincipes van LLM - LLMs bouwen / LLM-onderzoek - AI-agenten en toegepaste AI - AI-protocollen - AI-engineeringprojecten - Boek(en) Jaag nooit frameworks na - ze komen en gaan. Beheers de basisprincipes.

Als je het inzichtelijk vond, deel het dan opnieuw met je netwerk. Vind me → @akshay_pachaar ✔️ Voor meer inzichten en tutorials over LLM's, AI Agents en Machine Learning!