Nauči Python za AI ovog vikenda (Besplatan plan)

Kurs programiranja za AI u Sarajevu ili online košta prosječno 2000 KM. Laptop koji već imaš u sobi košta nula. Ostalih 2000 KM koje bi dao agencijama je zapravo porez na tvoju lijenost da sam istražiš dokumentaciju. Ako znaš instalirati igricu, možeš naučiti osnove Pythona za AI za tačno 48 sati. Bez diplome, bez fensi mentora i bez bacanja para na kurseve koji ti samo čitaju slajdove.

Zašto ti ne treba fakultet da isprogramiraš bota

Zaboravi akademsku sterilnost. Programiranje za AI nije nuklearna fizika; to je više kao slaganje Lego kockica, ali onih koje ti ponekad opsuju majku jer si zaboravio zarez. Direktna istina: Python je postao standard jer je sintaksa toliko jednostavna da je čak i menadžeri mogu razumjeti. Ako možeš pratiti recept za grah, možeš pratiti i Python logiku. Ne kupuj knjige od 500 stranica. One služe samo da podložiš monitor. Sve što ti treba je kôd koji radi i terminal koji ne izbacuje crvene greške svakih pet sekundi. Instaliraj Python odmah i prestani tražiti izgovore u nedostatku vremena.

Alat koji ti treba (I zašto ne Mac od 5000 KM)

Slušaj me dobro: tvoj stari laptop sa 8GB RAM-a je sasvim dovoljan za početak. Ne nasjedaj na priče da ti treba grafička karta od dvije plate da bi pokrenuo prvi model. Za učenje koristiš Google Colab ili VS Code. Osjeti pod prstima tu tastaturu, čuj kako kuler zuji dok instaliraš biblioteke. To je zvuk napretka. VS Code je tvoja radionica. Ako ga ne podesiš kako treba, kôd će ti biti neuredan kao garaža nakon popravke auta. Fokusiraj se na ‘Pip’ – to je tvoj najbolji prijatelj koji povlači sve gotove alate sa interneta dok ti piješ kafu.

WARNING: Nikada ne instaliraj Python pakete direktno u sistemski folder operativnog sistema. Ako to uradiš, možeš trajno oštetiti stabilnost Windowsa ili Linuxa. Uvijek koristi ‘Virtual Environment’ (venv). Shvati to kao sigurnosne naočale u radionici – bez njih si jedan pogrešan ‘click’ daleko od katastrofe.

Anatomija propasti: Zašto većina odustane u subotu u 14h

Znaš onaj osjećaj kad kreneš popravljati česmu pa završiš sa poplavom u kupatilu? Isto je sa kôdom. Većina početnika se slomi na prvoj grešci koju ne razumiju. Problem nije u mozgu, nego u pristupu. Ako pokušavaš naučiti cijelu biblioteku odjednom, garantovano ćeš odustati. Python za AI se uči hirurški. Uzmi ono što ti treba za taj sat, ostalo ignoriši. Ako kreneš učiti sve o ‘NumPy’ nizovima bez da znaš čemu služe, tvoj mozak će se isključiti brže nego osigurač na preopterećenoj mreži. Zamisli da učiš svaku vrstu šarafa na svijetu prije nego što uzmeš odvijač. Glupo, zar ne?

Subota ujutro: Iskasapi instalaciju bez “dll” pakla

Prvih četiri sata subote posveti okruženju. Ako ti terminal ne izbacuje ‘Python 3.x’, nisi ni počeo. Nemoj se boriti sa verzijama. Koristi Conda ili venv. Kada vidiš onu malu zagradu sa imenom tvog okruženja u terminalu, to je znak da si u sigurnoj zoni. Prva linija koda koju napišeš ne smije biti ‘Hello World’. To je za djecu. Tvoja prva linija treba da bude importovanje ‘Pandas’ biblioteke. To je trenutak kada tvoj kompjuter prestaje biti pisaća mašina i postaje analitička zvijer. Osjeti taj miris svježe konfigurisanog sistema. Čisto. Spremno za rad.

Nauka o materijalima: Zašto je Python “ljepilo” za AI

Zašto baš Python, a ne C++ ili Java? Zbog hemije vezivanja. Python u AI svijetu ne radi težak posao – on samo naređuje procesoru šta da radi koristeći biblioteke pisane u C-u. To je kao da si šef gradilišta koji ne nosi vreće cementa, ali zna tačno gdje svaka vreća treba da stane. Korištenje Pythona za AI je zapravo manipulacija tenzorima. Tenzor je samo fensi riječ za višedimenzionalni niz brojeva. Ako znaš šta je tabela u Excelu, znaš šta je tenzor. Razlika je samo u tome što se tenzor u AI-u može rotirati i rastezati dok ne izbaci predviđanje prodaje ili prepozna mačku na slici. Razumijevanje ove ‘molekularne’ strukture podataka je ono što razdvaja kucače koda od inženjera. Nauči kako mašina razumije tokene da bi shvatio pozadinu svega.

Nedjelja: Napravi model koji zapravo prepoznaje smeće

Nedjelja je dan za radnu akciju. Do 10 ujutro tvoj cilj je da ‘utreniraš’ jednostavan Linear Regression model. To je osnova svega. Ako model može pogoditi cijenu stana na osnovu kvadrature, pobijedio si. Koristi ‘Scikit-learn’. To je kao da imaš gotove nacrte za kuću – tvoje je samo da postaviš cigle. Nemoj se sekirati ako ti je ‘accuracy’ 60%. To je realnost. U laboratoriji sve radi, u radionici se stvari klimaju. Ako ti model griješi, to je zato što su ti podaci prljavi. Čišćenje podataka je 80% posla u AI-u. To je dosadno, prljavo i naporno, baš kao šmirglanje stare farbe. Ali ako preskočiš šmirglanje, nova farba će otpasti za tri dana. Isto važi i za tvoj AI model. Provjeri svoj model prije nego ga pustiš u rad.

Da li mi treba napredna matematika za AI?

Ne. Za početak ti treba znanje iz osnovne škole: sabiranje, množenje i malo logike. Linearna algebra i kalkulus su bitni ako želiš dizajnirati nove algoritme, ali za 99% praktične primjene u biznisu, dovoljno je da znaš čitati grafikone. Nemoj dozvoliti da te matematički snobovi uplaše. Oni vole da stvari zvuče komplikovano jer im to čuva visoke plate. U praksi, biblioteke rade derivacije umjesto tebe. Ti samo trebaš znati koji ‘ključ’ ide u koju ‘bravu’.

Koliko sati učenja je previše?

Osam sati aktivnog kucanja koda je plafon. Nakon toga tvoj mozak postaje kaša. Ako osjetiš da buljiš u ekran a ne vidiš zareze koji nedostaju, ugasi sve. Idi prošetaj. Kodiranje se dešava u glavi dok ne gledaš u ekran. Često ćeš rješenje za bug koji te muči tri sata naći dok pereš suđe ili piješ pivo. To je proces inkubacije. Poštuj ga ili ćeš izgoriti prije ponedjeljka.

Anatomija screw-up-a: Šta se desi kad zaboraviš splitovati podatke

Evo kako ćeš uništiti svoj prvi projekt. Ako treniraš model na istim podacima na kojima ga testiraš, dobićeš ‘savršen’ rezultat. 100% preciznost! Osjećaćeš se kao genije. A onda ćeš model primijeniti na stvarne podatke i on će pasti kao pokošen. To se zove ‘Overfitting’. To je kao da učiš odgovore na pitanja za test napamet, a ne razumiješ gradivo. Čim ti profesor promijeni jedno slovo u pitanju, ti si gotov. Uvijek, ali uvijek, sakrij dio podataka od svog modela. To je test zrelosti tvog koda. Ako to ne uradiš, tvoj rad vrijedi nula maraka. Prepoznaj laži svog modela na vrijeme.

Snađi se: Gdje naći podatke bez da ih plaćaš

Nemoj kupovati datasetove. To je za korporacije koje imaju višak budžeta. Koristi Kaggle ili Google Dataset Search. Ako ti treba nešto specifično, nauči ‘Web Scraping’. To je digitalni ekvivalent kopanju po otpadu u potrazi za dobrim dijelovima. Možeš ‘izvući’ hiljade cijena nekretnina sa oglasa za 10 minuta. Samo pazi da ne blokiraju tvoju IP adresu. Budi diskretan. Budi pametan. Podaci su svuda oko tebe, samo trebaš znati kako ih ‘pograbiti’ i očistiti od smeća. Ako naučiš kako da izvučeš vrijednost iz nereda, postat ćeš nezamjenjiv u 2026. godini. Postani inženjer budućnosti bez bacanja novca na diplome.