Nauči Python za AI: Prvi koraci bez skupih škola
Plaćanje 5.000 KM za AI bootcamp je porez na budale. Dok vi čitate ovo, korporativni prodavači magle trljaju ruke prodajući vam ‘certifikate’ koji ne vrijede ni papira na kojem su isprintani. Realnost je surova: tvoj stari laptop iz 2018. godine i besplatni Python interpreter imaju veću moć nego cijela katedra nekog izvikanog privatnog fakulteta. Ako znaš koristiti odvijač, naučićeš i Python. Ovdje nema mjesta za ‘seamless’ iskustva – ovdje se radi o znoju, psovkama kad kod pukne i mirisu pregrijane plastike dok tvoj procesor pokušava shvatiti šta si mu zadao. Do kraja ovog teksta, uštedjećeš hiljade maraka i instalirati okruženje koje zapravo radi, pod uslovom da ne odustaneš čim vidiš terminal.
Zašto ti ne treba Mac od 4000 KM za početak
Većina tutoriala će te lagati da ti treba najnoviji silikon iz Cupertina. Laž. Za tvoje prve korake u vještačkoj inteligenciji, dovoljan je onaj rasklimani laptop koji skuplja prašinu u ćošku, pod uslovom da mu ‘iščupaš’ Windows i instaliraš lagani Linux. Python na Windowsu je kao pokušaj popravke sata dok nosiš bokserske rukavice – stalno nešto zapinje, putanje (paths) su haotične, a terminal izgleda kao igračka iz prošlog vijeka. Instaliraj Ubuntu ili Mint. Osjetićeš onaj specifičan miris ozona iz ventilatora dok sistem briše nepotrebno smeće i oslobađa RAM za tvoje buduće neuralne mreže. 
WARNING: Prije nego što otvorite kućište starog laptopa da dodate RAM, obavezno iskopčajte punjač i izvadite bateriju. Dodirivanje kondenzatora dok je ploča pod naponom može uzrokovati kratak spoj koji će spržiti i vas i matičnu ploču. Koristite multimetar ako niste sigurni.
Python nije magija nego poluga
Zamisli Python kao dugačku polugu. Što je poluga duža, lakše ćeš pomjeriti teret (podatke). Ali ako je poluga napukla – tvoj kod će te lupiti po glavi. Prva stvar koju moraš savladati nije ‘AI’, nego kako da ‘naguraš’ varijable u memoriju a da ne srušiš sistem. Zaboravi na komplikovane biblioteke dok ne shvatiš liste i rječnike. To su tvoje kutije za alat. Ako nabacaš ključeve i čekiće u istu kantu, nikad ništa nećeš popraviti. Kod mora biti utegnut, flush-mounted, bez suvišnih ‘ako-onda’ petlji koje usporavaju izvršavanje.
Da li moram znati matematiku za Python AI?
Odmah da razjasnimo: Da. Ali ne onu dosadnu školsku matematiku. Treba ti linearna algebra – način na koji mašine vide slike i tekst kao nizove brojeva (tenzore). Ako ne razumiješ kako se matrice množe, tvoj model će biti precizan koliko i ćorava kokoš. To je kao da pokušavaš napraviti krov bez libele; na oko izgleda ravno, ali prva kiša (testni podaci) će pokazati sve tvoje greške.
Anatomija katastrofe: ‘Pip Install’ pakao
Svaki početnik napravi istu grešku – instalira sve biblioteke direktno u sistem. To je kao da prospeš kantu ulja po cijeloj radionici. Kad-tad ćeš se okliznuti. Jednog dana će ti trebati verzija 1.2, sutra 2.0, i odjednom ništa ne radi. To se zove dependency hell. Rješenje je ‘Virtualenv’. To je tvoj izolovani radni sto. Šta god da prospeš na tom stolu, ostatak radionice ostaje čist. Ako to preskočiš, tvoj Linux će postati neupotrebljivo smeće u roku od tri dana. Slather (namaži) te izolacije debelo – svaka aplikacija mora imati svoju kutiju.
Zašto It radi: Fizika interpretatora
Alati koji ne koštaju ništa: NumPy i Pandas
Ako je Python tvoj čekić, NumPy je tvoja nakovanj. Sve u AI-u su brojevi. NumPy omogućava da te brojeve ‘žvaćeš’ brzinom munje jer je napisan u C-u. Pandas je tvoj organizator, tvoj ormar sa ladicama. On uzima haotične Excel tabele i pretvara ih u nešto što mašina može svariti. Ali pazi, Pandas guta RAM. Ako mu učitaš fajl od 10GB na laptopu sa 4GB RAM-a, čućeš onaj jezivi ‘whir’ ventilatora i ekran će se smrznuti. Zakovaj varijable na minimum. Budi škrt s resursima.
Koji editor koda da koristim?
Ne bacaj pare na licence. VS Code je standard, ali ako želiš da budeš pravi ‘hardcore’ majstor, nauči osnove Vima. Izgleda zastrašujuće, kao da pokušavaš dešifrovati Enigmu, ali brzina kojom ćeš ‘sjeći’ i ‘lijepiti’ kod bez skidanja ruku sa tastature će tvojim kolegama izgledati kao magija.
Zid plača: Kako popraviti ‘Memory Error’
Kad ti se na ekranu zacrveni ‘Memory Error’, to je znak da si bio pohlepan. Pokušao si ugurati cijeli internet u RAM svog laptopa. DIY rješenje? Generatori. To je način da učitavaš podatak po podatak, umjesto svega odjednom. Zamisli da nosiš cigle jednu po jednu umjesto da pokušaš podići cijelu paletu. Armija početnika ovdje odustaje. Nemoj biti jedan od njih. Istrpi taj bol, pročitaj dokumentaciju, iščupaj suvišne kolone iz podataka.
Zaključak: Majstorski ispit
Ovaj put nije lak. Prsti će te boljeti od kucanja, oči od terminala, a mozak će ti biti u čvoru od logike. Ali onog trenutka kada tvoja prva skripta ‘proplaka’ i izbaci tačnu predviđenu vrijednost, osjetićeš veće zadovoljstvo nego bilo koji vlasnik beskorisnog certifikata. AI nije za elitu, on je za one koji su spremni da uprljaju ruke kodom. Uzmi taj stari laptop, instaliraj Python i kreni. Sad.
Ovaj post je zaista inspirativan i direktan, što mi se najviše sviđa. Početak u AI-u bez skupih kurseva i certifikata je izazov, ali i velika mogućnost da naučiš stvari iz prve ruke. Slažem se da je važno razumjeti osnove poput rada s listama, rječnicima i osnovne algoritme, prije nego se upustiš u složenije modele. Kada sam ja počinjala, napravila sam sličan pristup – instalirala sam Python na starijem laptopu i kroz praktičan rad u Linuxu naučila sve što mi je bilo potrebno. Pitanje koje imam je: kako bi savjetovali one koji nemaju tehničko znanje ili stručno iskustvo, a žele prvi korak u AI? Koje su najbolje besplatne resurse ili alati za početnike da steknu to osnovno znanje i samopouzdanje?