Andrew Ng újraindítja a DeepLearning.ai-t AI Engineering hangsúlyával
Az új tananyag négy pillére az AI-alapú alkalmazások fejlesztése és telepítése, a szoftverfejlesztés alapjai, a kódoló ügynökök használata, valamint a build-k formázása. A program a nagy nyelvi modellek, a RAG és az ügynökalapú munkafolyamatok megértése mellett a statisztikai technikák alkalmazását is hangsúlyozza.
Az AI alkalmazások fejlesztése és telepítése magában foglalja az LLM-ek, a kontextus mérnöki, a RAG, az agentikus munkafolyamatok, a gépi tanulás és a mély tanulás megértését, valamint a statisztikai technikák alkalmazását az AI rendszerek irányítására és kormányzására. (Latent Space)
Szoftverfejlesztés és agentek
A szoftverfejlesztési alapok megértése lehetővé teszi a fejlesztők számára, hogy jobban megértsék a kompromisszumokat, és így jobb döntéseket hozhassanak a szoftververem, a rendszerarchitektúra és az adattár tervezése során. A kódolási agentek hatékony használata pedig egy mentális modellt igényel az agentek korlátairól, tisztán megfogalmazott specifikációkról és több agent együttműködéséről — írja az AINews.
Build formálás és piaci trendek
A negyedik készség, a build formálása, a termékérzéket és az üzleti kontextus megértését hangsúlyozza, hogy a fejlesztők részt vehessenek a build formálásában és előre vigyék a projekteket. Ez a készség talán a legkevésbé előre látható volt az eredeti esszében, de a World’s Fair-en hozzáadták az AI PM track-et és más AI Engineering szomszédos területeket.
Az AI Engineering készségek nem csak a 'AI Engineer' álláscímmel rendelkezőkre alkalmazhatók, hanem széles körben relevánsak. Az LLM-ek magas szintű fejlesztőket részesítenek előnyben alacsony szintű 'vibecoderekkel' szemben, bár mindkét csoport javul. A kódolási agentek terén tapasztalt robbanásszerű növekedést a Cursor 0–60 milliárd dolláros növekedése, valamint a Claude Code, Codex, Cognition és Cline megjelenése mutatja.