Ask HN: ¿Hay recursos recomendables para un ingeniero de software que quiera ponerse al día con las últimas tendencias de IA?

• Un ingeniero de software que usa ChatGPT casi todos los días y cuya última experiencia con la API de OpenAI fue GPT-3.5 el año pasado está buscando recursos para ponerse rápidamente al día con las últimas tendencias de IA
• Quiere un blog técnico que permita mantenerse actualizado continuamente sobre noticias relacionadas con IA, similar a HN
• Encontró simonwillison.net, pero siente que el contenido tiene un formato fragmentado

[GN⁺]

Opiniones de Hacker News

• Es más importante aprender a usar los modelos y cómo funcionan que aprender a entrenarlos

  • Recomiendan "Hacker's Guide to LLMs" de Jeremy y "State of GPT" de Karpathy
  • También son útiles los videos de visualización de LLMs y transformers de 3b1b
  • También vale la pena revisar un video sobre el proceso de entrenamiento de ChatGPT y una visión general de la IA
  • También resulta interesante el material de Nicholas Carlini sobre cómo usar LLMs
  • Recomiendan seguir en X/Twitter y Bluesky a personas de OpenAI, Anthropic, Google DeepMind y xAI para obtener información reciente
  • También recomiendan podcasts como "No Priors", "Generally Intelligent", "Dwarkesh Patel" y "Sequoia's Training Data"

• Participar en competencias de Kaggle ayudó a obtener una comprensión intuitiva de la IA

  • Tener un objetivo específico y un dataset hace que resolver problemas sea más fácil
  • El blog de Simon es útil para ingenieros de software

• Está estudiando visión por computadora con una lista de reproducción de YouTube de "OpenCV University"

  • Le dio una comprensión profunda de las CNN y la está aplicando en proyectos recientes
  • Es una ruta de aprendizaje fácil de abordar incluso sin una base sólida en matemáticas

• Actualizarse todos los días o todas las semanas con la información más reciente puede ser ineficiente

  • Es mejor ponerse al día una vez cada 6 a 12 meses

• Trabaja directamente con modelos de vanguardia y escribe una guía

  • Incluye conceptos, código práctico y enlaces a materiales de estudio

• Comparte materiales sobre los principios básicos de los LLMs y las redes neuronales

  • Falta comprensión sobre el software moderno para tarjetas de video
  • La alta dependencia de las GPU está haciendo que se pasen por alto distintos enfoques de machine learning
  • Se necesita mejor lenguaje y hardware para democratizar la IA

• Sigue materiales de Matt Berman, resúmenes de noticias de IA y Rick Lamers

  • También recomienda el nuevo curso corto de FreeCodeCamp

• Para mantenerse al día, recomienda más los subreddits de Stable Diffusion y LocalLLaMA que los blogs técnicos

  • El canal de YouTube de Andrej Karpathy también es útil