grannysome

Ja miałem dokładnie to samo po swoim kursie — niby rozumiałem koncepcje, ale gdy przyszło do praktyki, to nie wiedziałem, co kliknąć ani jak poskładać workflow. Najbardziej pomogło mi to, że po szkoleniu wróciłem do materiałów z solidne podstawy sztucznej inteligencji , bo dopiero wtedy zacząłem lepiej widzieć, jak teoria łączy się z narzędziami. Jeśli chodzi o praktykę: jako pierwsze wziąłem Jupyter Notebook, bo pozwala ogarniać kod kawałkami i od razu widzieć wynik. Potem naturalnie przyszły biblioteki jak scikit-learn, bo mają mnóstwo gotowych algorytmów, które wystarczy tylko nakarmić danymi. Z bardziej "życiowych" rzeczy — bardzo polecam MLflow do śledzenia eksperymentów. Na początku ignorowałem takie rzeczy, a potem miałem bałagan w wersjach modeli i nie wiedziałem, co właściwie działa. Dodatkowo, jeśli chcesz się pobawić czymś bardziej intuicyjnym, to Google Colab jest super, bo dostajesz GPU bez kombinowania, a przy trenowaniu prostych sieci to mega pomaga. Nie ma jednej drogi, ale dobrze zacząć od narzędzi, które pozwalają widzieć postępy i nie przytłaczają zbyt dużą ilością konfiguracji.