Thread de meng shao (@shao__meng)

[Roteiro Prático] Aprenda IA ​​do Zero em 30 Dias: Dos Conceitos Básicos à Prática em Projetos Este é um plano de aprendizado de IA de 30 dias compartilhado por @aigleeson, desenvolvido para pessoas sem formação técnica (que não sejam graduadas em matemática ou ciência da computação). Ao contrário da abordagem superficial comum de "colecionar links e assistir a vídeos", este plano enfatiza o desenvolvimento da intuição e das habilidades por meio da compreensão conceitual, da criação rápida, da depuração e da implementação de aplicativos, permitindo que você integre a IA ao seu fluxo de trabalho real. Conceito Central e Diagnóstico do Problema: Muitas pessoas que aprendem IA têm apenas uma "sensação" sobre o assunto, carecendo de habilidades práticas. A solução é um "experimento focado de 30 dias", acumulando habilidades "cruciais" por meio de pequenos passos iterativos — ou seja, compreendendo os mecanismos fundamentais, integrando modelos e definindo a próxima direção para estudos futuros. • Resultado esperado: Não se tornar um "especialista em IA", mas ser capaz de construir ferramentas práticas, como agentes inteligentes ou sistemas de recuperação em fluxos de trabalho. O plano de aprendizagem de quatro semanas está dividido em quatro semanas, com objetivos semanais claros, combinando leitura, diálogo, programação e reflexão. A seguir, um resumo por semana: Semana 1: Dominando os conceitos básicos Objetivo: Compreender a "lógica subjacente" da IA ​​e explicá-la de forma clara e em linguagem simples. • Aprenda os elementos principais: Modelo de Linguagem Amplo (LLM), Tokens, parâmetros, treinamento versus inferência e RAG (Geração de Aumento de Recuperação) versus ajuste fino. • Ação: Leia três artigos explicativos cuidadosamente selecionados (um sobre Transformers, um sobre RAG e um sobre Agentes) e participe repetidamente de diálogos usando modelos como ChatGPT ou Claude, explicando a terminologia e fornecendo exemplos. O foco é desenvolver a intuição, não a memorização mecânica. Semana 2: Construir coisas pequenas Objetivo: Internalizar o conhecimento através de um modelo de "conexão" cerebral. Ação: Crie 3 projetos simples, como: um agente de perguntas e respostas para um único PDF, um assistente de reescrita de texto e um assistente de pesquisa sobre um tópico de interesse pessoal. Priorize ferramentas sem código/com pouco código e implemente-as em um dia. • Restrições: Cada projeto não deve exceder 100 linhas de código nem incluir tempo de programação nos fins de semana; deve integrar pelo menos 2 ferramentas (como modelo + recuperação); devem ser ferramentas práticas que você mesmo possa usar. Semana 3: Vamos por baixo do capô Objetivo: Desenvolver habilidades de depuração desmontando o sistema manualmente. Ação: Concentre-se na implementação do RAG — compreenda o chunking, os embeddings, os bancos de dados vetoriais e o processo de recuperação. Experimente com o projeto da Semana 2: altere o tamanho do chunk, a estratégia de recuperação ou o modelo e observe as diferenças nos resultados. • Funcionalidades adicionais: Utilize Python/JS para chamar a API do LLM, analisar a saída JSON e registrar a latência e o custo. O modelo se transforma de "mágico" em uma "ferramenta". Semana 4: Foco na Aplicação e nos Resultados (Especializar + Publicar) Objetivo: Transformar conhecimento em recursos reutilizáveis ​​e evitar "aprender sem aplicar". • Ação: Escolha uma área e aprofunde-se nela por 7 dias (por exemplo, redação/conteúdo, análise de dados, programação, automação de operações). Desenvolva um projeto de "nível de demonstração": como um agente inteligente para fluxos de trabalho do mundo real, um sistema RAG para bases de conhecimento pessoais ou uma microferramenta SaaS. • Resultado: Ensine outras pessoas – publique tweets, grave vídeos sobre o Loom ou escreva blogs para explicar a pilha de tecnologias, fornecer comparações de antes e depois e soluções de problemas.