最近有些时间没有更新技术文章了,都在忙着写《AI应用开发入门》专栏,专栏已整理放到了github上,有兴趣的小伙伴可以移步github阅读,地址见文末。

1、为什么写这个文档

之前陆续写了一些零散的AI相关的技术文章,也有不少粉丝私信交流AI应用开发相关技术,也会聊到一些焦虑的话题,比如:是否会被AI取代、35岁危机等等。

在跟粉丝朋友交流的过程中,让我产生了写专栏冲动,我从3个角度聊聊写这篇专栏的初衷。

1.1、看不惯贩卖焦虑

讲实在话,现在整体的风气已经很焦虑了,经济导致的焦虑感随时可能压垮一个人甚至一个家庭,真不希望这种事情发生。我能做的就是通过技术传播,减少某些群体的焦虑。

程序员这个群体更加容易焦虑,因为大部分人还是吃青春饭,也缺少沟通和资源整合能力,如果错失了一些窗口期,确实挺困难的。

大部分人没有很好的学历背景,也很难开启事业的第二曲线,更没有优质资源加持,那应该怎么办呢?还有些可能跟我一样,可以早年投入到了创业大军,然后创业失败导致巨亏,又该怎么办呢?

别无他法,在软件研发这件事情变得越来越廉价的今天,我们只能持续精进,持续调整好心态,保持专注做事,尽量不被外界声音干扰。

AI出来之后,其实对于大部分人来说影响不大。只是对于少部分人,可以用AI当做助手,提高效率,做更多的事情。

但是,网上就是有不少人在贩卖焦虑,让你患上FOMO综合证,让你买课收割你。本来已经就焦虑了,就不能少贩卖一些焦虑嘛,就不能让社会风气优良一些嘛。

所以我想通过写这篇专栏,让开发者了解AI的发展和应用,少些神秘和焦虑,多一些认知。

1.2、更多的职业机会

之前AI技能是可选项,比如做传统机器学习、深度学习、算法之类的,只有少部分人参与。大部分开发者根本不需要了解AI也可以混个不错的职位。

但是现在因为大模型的崛起,AI可以应用到各行各业的软件中,这就给应用层软件带来了更多的需求,那作为应用软件开发者则必须跟上AI发展的脚步,才能有更多的发展机会。同时,打开各种招聘网站,也可以看到,许多岗位都在要求AI相关技能。

所以,我想通过这篇专栏,带你入门AI,拿到一张船票。

1.3、技术分享和交流

我是一名程序员,说实话,我对未来也充满了迷茫。我本人学历不佳,年纪也稍大,最近几年的创业也亏损了不少(亏损近百万)。我也在不停的调整自己的心态,让自己聚焦于做事上来,尽量让自己保持乐观。

我喜欢做技术工作,更喜欢分享技术,我也想通过技术专栏去认识和链接更多的志同道合的朋友,一起分享交流,共同成长。

2、专栏的内容和地址

2.1、内容

专栏内容如下,一共12篇,每篇5000字左右。主要内容是:AI的介绍、机器学习、深度学习、智能体介绍、LangChain开发。

2.2、专栏地址

https://github.com/yclxiao/StartAppWithAI

本篇完结!欢迎 关注、加V(yclxiao)交流、全网可搜(程序员半支烟)

原文链接:https://mp.weixin.qq.com/s/ThpYWw8m8Eic3rW0RjD2Gg

半支烟提供1V1技术咨询,助你扫清职业发展和技术道路上的障碍,欢迎加V(yclxiao)咨询。

无套路领取《AI应用开发专栏》的更多相关文章

  1. AI应用开发实战 - 手写识别应用入门

    AI应用开发实战 - 手写识别应用入门 手写体识别的应用已经非常流行了,如输入法,图片中的文字识别等.但对于大多数开发人员来说,如何实现这样的一个应用,还是会感觉无从下手.本文从简单的MNIST训练出 ...

  2. AI应用开发实战 - 从零开始配置环境

    AI应用开发实战 - 从零开始配置环境 与本篇配套的视频教程请访问:https://www.bilibili.com/video/av24421492/ 建议和反馈,请发送到 https://gith ...

  3. AI应用开发实战 - 定制化视觉服务的使用

    AI应用开发实战 - 定制化视觉服务的使用 本篇教程的目标是学会使用定制化视觉服务,并能在UWP应用中集成定制化视觉服务模型. 前一篇:AI应用开发实战 - 手写识别应用入门 建议和反馈,请发送到 h ...

  4. AI应用开发实战 - 从零开始搭建macOS开发环境

    AI应用开发实战 - 从零开始搭建macOS开发环境 本视频配套的视频教程请访问:https://www.bilibili.com/video/av24368929/ 建议和反馈,请发送到 https ...

  5. AI应用开发实战(转)

      AI应用开发实战 - 从零开始配置环境 与本篇配套的视频教程请访问:https://www.bilibili.com/video/av24421492/ 建议和反馈,请发送到https://git ...

  6. AI应用开发实战

    AI应用开发实战 出发点 目前,人工智能在语音.文字.图像的识别与解析领域带来了跨越式的发展,各种框架.算法如雨后春笋一般,互联网上随处可见与机器学习有关的学习资源,各大mooc平台.博客.公开课都推 ...

  7. moviepy音视频开发专栏文章目录

    ☞ ░ 前往老猿Python博文目录 ░ <moviepy音视频开发专栏>为收费专栏,基于老猿阅读moviepy1.03版本的源代码以及大量测试验证的基础上,详细介绍moviepy主要音视 ...

  8. 无脑安装java编程语言开发的集成环境 IDEA 白嫖版本

    无脑安装java编程语言开发的集成环境  IDEA 根python很类似:可以借鉴无脑安装--Python 及 安装python集成开发环境pycharm - 隐姓埋名4869 - 博客园 (cnbl ...

  9. AI应用开发实战 - 手写算式计算器

    扩展手写数字识别应用 识别并计算简单手写数学表达式 主要知识点 了解MNIST数据集 了解如何扩展数据集 实现手写算式计算器 简介 本文将介绍一例支持识别手写数学表达式并对其进行计算的人工智能应用的开 ...

  10. 解锁云原生 AI 技能 - 开发你的机器学习工作流

    按照上篇文章<解锁云原生 AI 技能 | 在 Kubernetes 上构建机器学习系统>搭建了一套 Kubeflow Pipelines 之后,我们一起小试牛刀,用一个真实的案例,学习如何 ...

随机推荐

  1. SMU Summer 2023 Contest Round 15

    SMU Summer 2023 Contest Round 15 A. AB Balance 其实就只会更改一次 #include <bits/stdc++.h> #define int ...

  2. games101 作业6 详解SAH

    games101 作业6 详解SAH 可参考资料:https://www.pbr-book.org/3ed-2018/Primitives_and_Intersection_Acceleration/ ...

  3. 代码随想录Day16

    513.找树左下角的值 给定一个二叉树的 根节点 root,请找出该二叉树的 最底层 最左边 节点的值. 假设二叉树中至少有一个节点. 示例 1: 输入: root = [2,1,3] 输出: 1 示 ...

  4. .NET8 Blazor 从入门到精通:(二)组件

    目录 Blazor 组件 基础 路由 参数 组件参数 路由参数 生命周期事件 状态更改 组件事件 Blazor 组件 基础 新建一个项目命名为 MyComponents ,项目模板的交互类型选 Aut ...

  5. C语言/实现MD5加密

    本文详细视频讲解,已经发布到B站 https://www.bilibili.com/video/BV1uy4y1p7on/ 更多仔细,请关注公众号:一口Linux 一.摘要算法 摘要算法又称哈希算法. ...

  6. 关于phpstudy小坑 经典数据库报错 1044

    经典数据库报错  1044   权限问题 一个很经典的问题 使用的集成环境的phpstudy ,  一直都挺好的  但是每次删除后不能创建同名的数据库   最后发现原来默认的只有一个库  在这个库下面 ...

  7. sicp每日一题[2.1]

    Exercise 2.1 Exercise 2.1: Define a better version of make-rat that handles both positive and negati ...

  8. 即构 UIKits 重磅发布!高效开发与自定义UI兼备,打造互动场景新标杆

    即构UIKits上线,新一代场景化实时互动SDK! 即构科技发布了首款面向中小团队的整合型实时互动产品UIKits , 基于场景化最佳实践,整合RTC.IM.直播.美颜等多款产品,打造了音视频通话UI ...

  9. 以太坊Rollup方案之 arbitrum(2)

    上一期简单介绍了一下rollup的一些基本内容以及aritrun交易的执行流程,这一期将介绍一下aritrum的核心技术 -- 交互式单步证明 这一期主要涉及到的是arbitrum的验证节点 arbi ...

  10. 神经网络之卷积篇:详解为什么使用卷积?(Why convolutions?)

    详解为什么使用卷积? 来分析一下卷积在神经网络中如此受用的原因,然后对如何整合这些卷积,如何通过一个标注过的训练集训练卷积神经网络做个简单概括.和只用全连接层相比,卷积层的两个主要优势在于参数共享和稀 ...