Pitanje koje dolazi nakon "što je machine learning" gotovo uvijek je: "Gdje to naučiti?" I onda slijedi zbunjenost — YouTube tutoriali, Coursera tečajevi, Stack Overflow pitanja, akademski papiri, bootcampovi koji naplaćuju 10.000 eura. Sve istovremeno.
Stvarnost je jednostavnija. Postoje tri resursa koji pokrivaju gotovo sve što vam treba za praktično ML — i sva tri su besplatna.
fast.ai: projekt-prvo, matematika-poslije
Jeremy Howard i Rachel Thomas osmislili su fast.ai s tezom koja je u ML zajednici bila kontraintuitivna: počnite od projekata, ne od teorije. Umjesto da tjednima prolazite kroz linearnu algebru i statistiku prije nego što vidite funkcionalni model, fast.ai vas stavlja u PyTorch okruženje od prvog tjedna.
Tečaj "Practical Deep Learning for Coders" besplatan je i kontinuirano ažuriran. Koristi PyTorch + Hugging Face + Gradio — pravi industrijski stack. Do kraja prvog modula imate klasifikator slika koji funkcionira na vašem GPU-u ili Google Colab-u.
Pristup ima kompromise: ako vam je matematika važna (a jest, za dublje razumijevanje), morat ćete je naučiti paralelno. fast.ai namjerno de-prioritizira formalizme. Ali za početnike koji se gube u teoriji prije nego što vide ishod — ovo je rješenje koje drži motivaciju.
Kaggle: GPU, podaci i natjecanje
Kaggle nije samo platforma za natjecanja — to je besplatna infrastruktura s pravim podacima i besplatnim GPU vremenom (tjedni limit je dovoljan za učenje). Za početak, Kaggle nudi strukturirane besplatne kratke tečajeve (Intro to ML, Intermediate ML, Pandas, Feature Engineering, NLP) koji su specifično dizajnirani za tabularnu analizu podataka i praktičan ML.
Natjecanja su posebna kategorija. Za razliku od tutorial projekata, Kaggle natjecanja imaju prave leaderboarde i pravo vrednovanje — ne možete zamajati ni sebe ni algoritam. Riješiti čak i manji Kaggle problem i ući u gornju četvrtinu sudionika je konkretan portfolio koji možete staviti na LinkedIn.
Googleov 5-day AI Intensive kurs na Kaggle — koji se odvija 15–19. lipnja 2026. — besplatno je dostupan s live sesijama i notebooksima, fokus na Gemini API i napredne ML koncepte.
Hugging Face Learn: tečajeve pišu isti ljudi koji pišu biblioteke
Hugging Face Learn (huggingface.co/learn) ima posebnu prednost nad svim ostalim resursima: kurs pišu isti inženjeri koji pišu i održavaju Transformers, Diffusers i PEFT biblioteke. Dokumentacija i tečaj su isti materijal iz različitih kutova.
Tečaj NLP procesiranja je de facto standard za naučiti rad s transformer modelima. Uvijek je ažuriran — kad nova verzija biblioteke izađe, tečaj se ažurira. Kad nova tehnika postane standardna (LoRA, QLoRA, RAG), pojavljuje se u tečaju.
Ograničenje: HF Learn pretpostavlja malo Python iskustva i osnovni ML kontekst. To nije "ML od nule" resurs — to je "znam osnove ML-a, sad hoću raditi s modernim jezičnim modelima" resurs.
Preporučeni put za početnike
Ako biste pitali gdje početi od nule, razumna sekvenca bi bila:
- fast.ai Lesson 1–4 — pratičan osjećaj za to što ML radi
- Kaggle kratki tečajevi (Intro to ML, Pandas) — strukturirane osnove
- Kaggle natjecanje (počnite s Titanic ili Housing Prices) — pravi feedback
- HF Transformers tečaj — kad se fokusirate na NLP i jezične modele
Nema tjedna koji prolazi bez novog YouTube tutoriala koji obećava "naučiti ML za 4 sata". Ignorirajte ih. Ovi resursi su sporiji, ali grade znanje koje traje.
