W tej części odcinka omawia się, jak modele językowe LLM wspierają programistów w nauce i rozwoju umiejętności. Podkreślono znaczenie dobrego dobierania materiałów edukacyjnych oraz efektywnego formułowania pytań. Zwrócono uwagę na różnice między interakcjami z LLM-ami a tradycyjnymi metodami nauki oraz na konieczność weryfikacji pozyskiwanych informacji.
Transcript
chevron_right
Play full episode
chevron_right
Transcript
Episode notes
Jeśli zastanawiasz się jak AI i LLM-y zmieniają pracę programistów, ten odcinek jest właśnie dla Ciebie. Czy sztuczna inteligencja faktycznie odbiera szanse juniorom, a może wręcz przeciwnie otwiera im nowe ścieżki rozwoju? Jak korzystać z czatów i agentów, żeby faktycznie się uczyć zamiast ulec złudzeniu, że już „wiemy wszystko”?
O tym wszystkim opowie Tomasz Ducin – programista z wieloletnim doświadczeniem, znany dawniej jako frontendowiec, dziś działający na wielu polach jako fullstack developer, szkoleniowiec i ekspert od nowoczesnych architektur. Tomek na co dzień intensywnie korzysta z LLM-ów, a w rozmowie dzieli się nie tylko praktycznymi wskazówkami, ale też refleksją nad tym, jak zmienia się rynek IT i jaką rolę w tym wszystkim pełnią juniorzy, midzi i seniorzy.
Z tego odcinka dowiesz się:
Jak model „unknown unknowns” pomaga w nauce nowych technologii z AI;
Czy efekt Dunninga-Krugera może być pułapką dla juniorów uczących się z LLM-ów;
W czym AI realnie wspiera programistę, a kiedy wciąż nie zastąpi mentora;
Co twórcy Claude Code przewidują o przyszłości IDE;
Dlaczego lepiej traktować AI jako sparing partnera niż nauczyciela.
Tomasz pracuje obecnie nad szkoleniem w ramach projektu Developer Jutra, właśnie o tym, jak programować i rozwijać się z AI u boku. Jeśli chcesz dostać info, gdy tylko szkolenie będzie gotowe, zajrzyj na developerjutra.pl i dopisz się do mailingu; dzięki temu nic Ci nie umknie!
Koniecznie zostaw komentarz: jak Ci się podoba odcinek?
