Lumaktaw sa nilalaman
Chandler Nguyen
AI4 min basahin

Ang Aking Paglalakbay sa 7 Andrew Ng Courses tungkol sa Machine Learning at AI

Nakumpleto ko ang 7 Andrew Ng courses sa loob ng ilang buwan—mula sa ML fundamentals hanggang sa pagbuo ng GenAI apps. Narito ang aking roadmap para sa pag-ship ng iyong unang LLM application.

Ang post na ito ay batay sa landscape noong 2023. Para sa pinakabago sa topic na ito, tingnan ang Dalawang taon matapos ang 7 Andrew Ng courses ko: ang 2026 path na talagang tatahakin ko.

Bilang isang taong lubos na interesado sa mundo ng machine learning at AI, naakit ako sa mga turo ni Andrew Ng · Affiliate link: Maaaring makatanggap ng komisyon si Chandler.. Sa nakaraang ilang buwan, nakumpleto ko ang pito sa kanyang mga kurso, na bawat isa ay nagbigay ng natatanging insight sa nagbabagong larangan ng machine learning at AI. Narito ang aking opinyon sa mga kursong ito at kung paano nila hinubog ang pang-unawa ko:

1. Machine Learning Specialization - Isang Matibay na Pundasyon

Ang beginner-friendly na 3-course specialization na ito ay nagbibigay ng matibay na pundasyon sa mga konsepto at aplikasyon ng machine learning. Ang mga kurso ay gumagalaw mula sa supervised learning algorithms tulad ng regression at classification hanggang sa mas advanced na techniques tulad ng unsupervised learning at reinforcement learning. Na-appreciate ko ang hands-on coding exercises sa Python at natuklasan ko na accessible ito kahit may limitadong karanasan sa programming. Isa ito sa pinakamahusay na introductory machine learning courses na available.

2. Generative AI for Everyone - Pag-demystify sa Hype

Targeted sa non-technical na audience, ang kursong ito ay nag-demystify ng generative AI, ipinapaliwanag ang mga aplikasyon at limitasyon nito. Maayos ang pagkakaorganisa ng content, binalanse ang mga pros at cons at binura ang mga karaniwang maling akala. Magandang kurso ito para sa sinumang gustong maunawaan ang generative AI mula sa conception hanggang sa launch, kasama ang pagbuo ng epektibong prompts.

3. Neural Networks and Deep Learning - Pag-unawa sa Mga Key Models

Ang kursong ito ay nagsimulang mag-dive nang mas malalim sa deep learning, kung paano ito inilalapat sa supervised learning, mga pangunahing kategorya ng models (CNNs, RNNs, atbp.), at kung kailan dapat gamitin ang mga ito. Ang pag-take ng kursong ito pagkatapos ng "Machine learning specialization" ay maaaring medyo redundant sa ilang content. Huwag mag-atubiling i-skip ang mga iyon.

4. Kapag handa ka nang buuin ang unang Gen AI application mo

Kapag nararamdaman mo na handa ka nang magsimulang bumuo ng unang application mo, lalo na ang isang Gen AI application, simulan sa mga sumusunod na kurso: "ChatGPT Prompt Engineering for Developers", "Building system with chatGPT API".

Ang mga kursong ito ay makakatipid sa iyo ng napakaraming oras dahil bibigyan ka nila ng overview ng mga pinakamahalagang hakbang na dapat mong isipin kapag binubuo ang iyong mga applications. Syempre, may kasamang sample code ang mga ito kaya napaka-practical.

ChatGPT Prompt Engineering for Developers

Ang kursong ito ay isang regalo para sa mga baguhan at advanced learners. Tinuturo ito ni Andrew kasama si Isa Fulford mula sa OpenAI. Nakatuon ito sa mga nuances ng prompt engineering at paggamit ng Large Language Models (LLMs). Magaling na ipinaliwanag ng kurso ang mga core concepts ng LLMs at nagbigay ng mga practical insights sa best practices para sa prompt engineering. Partikular itong mahalaga para sa mga gustong maunawaan at gamitin ang kapangyarihan ng LLM APIs sa iba't ibang applications. Halimbawa, paano sabihan ang GPT na i-output ang sagot nito sa JSON format para magamit mo ito sa iyong application pagkatapos.

Building Systems with the ChatGPT API

Isang follow-up sa Prompt Engineering course, ang maikling kursong ito ay perpekto para sa mga baguhan sa LLMs. Nagbibigay ito ng hands-on examples at nagtuturo kung paano mabisang bumuo ng multi-step systems gamit ang large language models. Ang kurso ay isang napakahusay na primer para sa mga interesado sa prompt engineering at large language model applications. Na-appreciate ko ang gabay sa mga sumusunod na may aktwal na code examples:

  • Paano gamitin ang "Moderation API" para i-validate ang user input, iwasan ang prompt injection
  • Chain of thought reasoning
  • Chaining prompts
  • Output evaluations

5. Handa nang mag-dive nang mas malalim?

Pagkatapos ng mga kursong ito, kung gusto mong magpalalim pa sa Gen AI application building, ang dalawang kurso na "Functions, Tools, and Agents with LangChain" at "Vector Databases: from Embeddings to Applications" ay perpekto.

Ang pag-unawa kung ano ang vector database, paano ito gumagana, at paano ito makakatulong sa pagbuo ng multi-modal generative AI application ay sobrang cool.

Habang nagpapatuloy ako sa aking paglalakbay sa machine learning, nagpapasalamat ako sa lawak ng mga paksang sakop ng mga kurso ni Andrew. Binigyan nila ako ng well-rounded na pananaw at mga actionable na kasanayan para bumuo, mag-apply, at responsableng mag-scale ng mga AI system. Inaabangan kong gamitin ang mga natutunang ito sa mga real-world project sa hinaharap.

6. Update (Nobyembre 2025): Pagsasagawa sa Praktika

Natatandaan niyo noong sinabi ko na excited akong "gamitin ang mga natutunan ko sa mga real-world projects"? Well, ginawa ko talaga.

Pagkatapos makumpleto ang mga kursong ito, gumugol ako ng 75 araw sa pagbuo ng STRAŦUM - isang 9-agent AI marketing platform na nag-apply ng eksaktong itinuro ni Andrew: LLM prompt engineering, function calling, chain-of-thought reasoning, at multi-agent systems.

Gumamit ang platform ng 11 strategic frameworks (SWOT, Porter's Five Forces, Blue Ocean Strategy, atbp.) at progressive learning - ibig sabihin, idinisenyo ang mga AI agent na maging mas matalino tungkol sa negosyo mo sa bawat usapan. Dinisenyo ito para sa maliliit na negosyo at marketing agencies na nangangailangan ng strategic intelligence, hindi lang execution.

Perpekto ba ito? Siguradong hindi (nag-aaral pa rin ako!). Pero gumana ito, at direktang nagmula sa pag-apply ng natutunan ko sa mga kurso ni Andrew. Minsan ang pinakamahusay na paraan ng pag-aaral ay ang pagbuo ng isang bagay na totoo.

Kung curious kayo kung paano naisasalin ang mga AI concepts na ito sa aktwal na mga produkto, mababasa niyo ang launch story. Itinigil na ang STRAŦUM — ang unang version nito ay ang MIT open source reference implementation.

Patuloy pa ring nagco-code, nag-aaral, at nag-aapply ng mga turo ni Andrew sa tunay na mga problema.

Chandler