AI karijera bez diplome: Šta naučiti za 3 mjeseca [DIY]

Diploma u IT sektoru danas vrijedi otprilike koliko i mokra iverica ostavljena na kiši. Ako mislite da će vam papir od 40.000 KM garantovati posao u AI sektoru 2026. godine, slobodno prestanite čitati. Vi nemate vremena za teoriju o mrežnim protokolima iz 1998. godine. Vi imate 90 dana, stari laptop i mozak koji će prokuhati od napora. Ovo nije kurs; ovo je kompletan remont vašeg radnog mentaliteta. Ako niste spremni da vam oči krvare od gledanja u Python skripte do 3 ujutro, idite kupite gotov namještaj. Mi ovdje pravimo nešto iz temelja, u garaži, bez tuđe pomoći. Do 150. riječi ovog vodiča, znat ćete tačno koji vam set ključeva treba za ovaj digitalni motor.

Zašto vaš procesor miriše na ozon: Realnost 90-dnevnog sprinta

Najveća laž koju će vam prodati je da AI zahtijeva doktorat iz teorijske matematike. Laž. AI zahtijeva sposobnost da sjedite u stolici dok vam se mozak ne pretvori u kašu pokušavajući shvatiti zašto ‘data imbalance’ ruši vaš model. Prije nego uopšte upalite GPU, naučite kako očistiti te podatke. Prvi korak je prihvatanje da ćete biti očajni. Prva tri tjedna ćete se boriti sa instalacijom biblioteka i ‘environment’ greškama. To je normalno. To je miris piljevine u vašoj radionici.

Da li mi stvarno treba matematika za AI?

Odgovor je: Da, ali ne ona koju su vas učili u školi. Treba vam linearna algebra toliko da ne gledate u matrice kao u svemirski brod. Ako ne razumijete kako se podaci množe u pozadini, vaš model će biti smeće. Kratko i jasno: Ne treba vam integralni račun, treba vam osjećaj za vektore.

Mjesec 1: Čišćenje rđe i postavljanje temelja (Python i logički sklopovi)

Prvih 30 dana je čisto šmirglanje. Python nije opcija, on je jedini alat. Ne učite Python kao programski jezik; učite ga kao odvijač. Morate znati kako zategnuti funkciju i kako ‘yank’ (iščupati) bug iz koda. Iskoristite AI asistente da pišu osnovni kod, ali samo ako razumijete svaku liniju koju su izbacili. Ako samo kopirate, gradite kuću od kartona na klizištu.

UPOZORENJE: Nikada, ali nikada ne ostavljajte svoje OpenAI ili Claude API ključeve u javnom GitHub repozitoriju. Botovi skeniraju internet brže nego što vi možete trepnuti. Ako to uradite, vaš bankovni račun će doživjeti infarkt brže nego što vaš model završi prvu ‘epochu’. 120 dolara duga u 20 minuta je realnost koju niko ne želi.

Anatomija jednog kvara: Zašto projekti pucaju u 6. sedmici

Ovdje većina odustaje. Kod puca, biblioteke se ne podudaraju, a ‘Overfitting’ vam uništava rezultate. To izgleda ovako: vaš model radi savršeno na vašim podacima, ali čim mu date nešto stvarno, on se sruši kao jeftina polica pod teretom knjiga. To se dešava jer ste preskočili validation set. To je kao da ste zaboravili staviti ljepilo u spojeve. Možda stoji sad, ali će se raspasti u januaru kad padne vlažnost. Proveo sam 14 sati debugujući matricu samo da bih shvatio da mi je jedan zarez bio višak. To je cijena zanata.

Mjesec 2: Sklapanje mašinerije (ML, RAG i neuronske mreže)

Sada kada znate držati čekić (Python), vrijeme je da napravite prvu mašinu. To su regresioni modeli i klasifikacija. Nemojte samo ‘slather’ (razmazati) podatke po modelu. Morate razumjeti kako podesiti neurone bez greške. Ako pogrešno podesite activation function, to je kao da pokušavate zabiti ekser čelom. Neće raditi, a boljet će. Učite brže koristeći napredne mnemotehnike jer vaš mozak ima limitiran ‘buffer’ i brzo će se prepuniti tehničkim gunk-om.

Mjesec 3: Poliranje i izlazak na tržište (Portfolio i LinkedIn)

Zadnjih 30 dana je rezervisano za portfolio. Niko vas neće pitati za diplomu ako mu pokažete lokalni LLM koji radi na starom hardveru. To dokazuje da znate ‘wrestle’ (hrvati se) sa RAM-om i CUDA jezgrima. Sredite svoj LinkedIn profil za AI regrutere. Oni traže tragove ulja pod vašim noktima (stvarne projekte), a ne miris parfema iz amfiteatra.

Zašto je Fine-tuning vs RAG ključna odluka?

U svijetu realnih rješenja, nećete uvijek trenirati modele ispočetka. Često ćete koristiti RAG (Retrieval-Augmented Generation). Razmislite o tome kao o dodavanju eksterne memorije vašem alatu. Fine-tuning je kao kovanje novog mača, dok je RAG kao davanje mačevaocu enciklopedije. Za većinu DIY projekata, RAG je brži, jeftiniji i manje sklon halucinacijama.

Finansijski šamar: Koliko vas košta nerad?

Kratko i jasno: 0 KM za softver, oko 1.500 KM za solidan polovan PC sa NVIDIA grafičkom (minimum 12GB VRAM-a), i neprocjenjivo mnogo sati psovanja ispred ekrana. Ako platite 5.000 KM za neki online ‘masterclass’, vi ste kupili upakovani proizvod. Ako sami instalirate modele i debagujete environment, vi ste majstor. Moj komšija je platio ‘AI kurs’ 3.000 KM i još uvijek ne zna kako pokrenuti skriptu bez VS Code-a. Nemojte biti taj tip. Iskopajte rupu, postavite temelje i ne stajte dok ne vidite krov. Radite pametno.