Апгрейд від розробника до ШІ-розробника — мій навчальний план (2025)

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Дана стаття — про «дорожню карту» (roadmap) по переходу від розробника до прикладного ШІ-розробника — так, як би я підійшов до цього завдання зараз, у березні 2025 року. Буду щиро вдячний за зворотній зв’язок!

Примітка: Якщо ви віддаєте перевагу споживанню подібного контенту у відео/аудіо форматі, будь ласка, див. наступне відео (англ).

Передісторія

Я розробник ближче до середини своєї кар’єри, працюю повний робочий день, переважно на бекенді.
Моя компанія поступово впроваджує різні ШІ інструменти і технології як у робочих процесах, так і в продуктах.
Я вже працював із деякими цими технологіями, як по роботі, так і в контексті хоббі-проектів (див. мої попередні статті) або хакатонів.
Мій вільний час для навчання доволі обмежений і нестабільний.
Хоча я працював із деякими ШІ технологіями, відчуваю, що мої знання дещо неповні та фрагментовані.
Я приблизно розумію, які теми ще не знаю досконало, але не маю чіткого плану, як їх опанувати.

Пошук існуючих рішень

Свого часу я підтягував знання із кількох тем користуючись так званими дорожніми картами або роадмепами (roadmaps) із сайту roadmaps.sh (напр., для Typescript або K8s). Мені імпонує такий формат, оскільки він наочно демонструє зв’язки між темами, виділяє основне, і сам по собі схожий на шпаргалку, по якій можна швидко освіжити знання згодом.

Я знайшов там кілька карт, близьких до того, що шукав, зокрема AI Engineer, LLM Engineer та GenAI Roadmap 2024. Однак жодна з них не підходила мені повністю. Офіційний роадмеп AI Engineer непоганий, однак, на мою думку, дещо хаотичний і непослідовний. LLM Engineer здебільшого про RAG і трохи про фреймворки типу LangChain, тобто далеко неповний. GenAI Roadmap 2024 взагалі, схоже, є ШІ-згенерованим деревом назв тем. Також великим мінусом цих роадмепів є відсутність практичних завдань (принаймні зараз), без чого знання швидко забуваються.

Я також знайшов кілька курсів на зразок Applied LLMs Mastery 2024 від Aishwarya Naresh Reganti — вельми достойних і у т.ч. безплатних, часто із практичними завданнями, однак перелік тем і їх послідовність, на мій скромний погляд, могла б бути покращеною.

Власний шлях

Врешті я вирішив скомпілювати усе краще із знайдених мною варіантів, плюс власних знань і бачення, у свій власний роадмеп 😎. Так з’явився From Dev to AI Dev — 2025.

Спочатку ідея була скласти роадмеп просто для себе, впорядкувавши наявні знання і визначивши теми для подальшого освоєння. Але десь напівдороги подумалось, а чому б не пройти додатковий кілометр (в основному в плані додавання практичних завдань) і не зробити його публічно доступним.

Особливості даного роадмепу

Важливо зауважити, що під «ШІ-розробником» (AI Developer) у даному роадмепі мається на увазі розробник програмного забезпечення, який використовує наявні попередньо навчені великі мовні моделі (LLM) або інші інструменти ШІ для створення рішень на їх основі. ШІ-розробники не створюють LLM моделі з нуля — це здебільшого роблять інженери машинного навчання або дослідники. ШІ-розробники використовують LLM переважно через API для інтеграції ШІ у додатки та сервіси.

Основними особливостями даного навчального плану можна зазначити наступне:

Адресна аудиторія — розробники (напр., бекенд чи фулл-стек), які б хотіли прокачати власні знання і навички у інтеграції LLM у свої додатки (закрити дірки в уже наявних знаннях, або почати з відносного нуля).
Наступні теми базуються на знанні попередніх.
Постарався знайти розумний баланс між покриттям основних тем і адекватним обсягом курсу.
Роадмеп починається із розгляду загальних понять, використання LLM у вигляді чатботів і асистентів для написання коду, і далі фокусуєтья на 4 темах/технологіях, які станом на початок 2025, AFAIK, дозволяють реалізувати більшість завдань, що ставляться перед ШІ-розробником. Ці теми prompt engineering, RAG (retrieval augmented generation), AI Agents та Finetuning.
Роадмеп практично орієнтований. Кожен розділ має одне чи кілька завдань — блакитних блоків, підписаних Exercise або Task (на зразок «відтворіть функціонал із даного туторіала, ось приклад» або «напишіть простий Python/node.js/Jupyterhub Notebook із заданим функціоналом слідуючи інструкціям»).
Якщо вважаєте, що володієте теорією з певного розділу, можете спробувати одразу виконати завдання.
Сам роадмеп і всі рекомендовані джерела доступні безоплатно, однак для виконання частини практичних завдань потрібен буде доступ до OpenAI API (мінімальне поповнення — $5).
Також роадмеп посилається на 4 короткі (1-3 годинні) курси із deeplearning.ai (рожеві блоки). Доступ до їх змісту безплатний, але бажаючі опціонально також можуть отримати платні сертифікати від Coursera.

Що може дати цей роадмеп

Той, у кого вистачить волі пройти курс до кінця:

Освоїть (або підкріпить) знання із основних технологій, що можуть використовуватись ШІ-розробником станом на початок 2025.
Матиме портфоліо із 17 невеликих додатків/репозиторіїв, що підтверджують його знайомство із різними інструментами/технологіями, а також, опціонально, сертифікати про проходження 4 курсів від досить авторитетних авторів (deeplearning.ai).

Що скажете?

Це мій перший подібний проєкт, тому цікаво як у мене вийшло? Чи згодні ви із структурою і змістом роадмепу? Що, на вашу думку, можна було б зробити краще чи по-іншому?