Kode negara 371 itu Latvia, ya. Saya tidak tahu apakah hanya pusat layanannya yang ada di sana atau kantor pusatnya memang berada di Latvia. Tapi dalam arti tertentu, ini terasa cukup mengesankan.
Saya setuju lebih dari 90 persen dengan tulisan di atas.
Sepertinya memang sudah pasti bahwa kini momen perubahan dalam kapabilitas dan paradigma pengembangan sedang datang.
Sekarang, dari sisi kemampuan mengarahkan, saya rasa kita perlu lebih memperhatikan lebih banyak design pattern, cara membangun aplikasi yang bersifat umum, serta metodologi untuk pemecahan masalah.
Pengembangan algoritma sudah lama melampaui batas kemampuan manusia, dan seperti AI yang kini sedang melakukan optimasi algoritma yang tidak dapat dipahami manusia, para pengembang ke depan adalah saatnya untuk fokus pada tren yang lebih luas dan lebih banyak.
Belajar AI itu penting, tetapi saya rasa tidak perlu bereaksi berlebihan setiap kali teknologi baru muncul. Menginvestasikan lebih banyak waktu pada konsep inti yang tidak berubah lebih efektif, dan karena AI relatif mudah dipelajari, menurut saya tidak masalah untuk mempelajarinya pelan-pelan. Daripada terus mengejar setiap perkembangan, saya rasa yang lebih penting adalah membangun kemampuan yang mendasar.
https://github.com/ebandal/H2Orestart
Jika menggunakan program tersebut, pengeditan juga dimungkinkan (tidak bisa menyimpan dalam format hwp, hwpx)
Baru-baru ini, dukungan hwp/hwpx juga ditambahkan ke onlyoffice.
Sekarang pun dia masih lebih bagus daripada kebanyakan orang. Karena belajar dari kode para guru open source, kalau pertanyaannya bagus, hasilnya juga keluar dengan kualitas yang bagus haha
Dari pengalaman saya sendiri, dan juga terlihat dari kasus lain seperti https://blog.lawrencejones.dev/ai-mvp/, model terbaru ternyata tidak selalu menjamin hasil yang lebih baik. Setiap kali melakukan tuning pada model atau prompt, kita perlu melakukan evaluasi melalui dataset; tetapi, meskipun llm bisa membantu penilaian, tetap saja agak ironis karena manusia harus membuat sendiri dataset ground truth untuk model llm satu per satu secara manual haha
Manusia cenderung tidak menyukai ketidakpastian saat berdialog, sehingga sulit melepaskan keinginan untuk memakai kata yang tepat. Namun, ChatAI atau LLM pada dasarnya mengandung ketidakpastian. Jika informasi probabilistik hanya ada pada saya, itu tidak masalah, tetapi jika lawan bicara juga bergantung pada probabilitas, hal itu terasa menegangkan. Terkadang, cara yang deterministik bisa terasa lebih menenangkan.
Polarisasi si miskin makin miskin dan si kaya makin kaya pun menghilang…
Kalau membuat produk baru, setidaknya sekarang harus sekalian membuat server MCP…
Bukankah argumen bahwa AI tidak bisa menginvasi jika sesuatu tidak ada di internet terdengar agak aneh? Saya pikir, seiring riset tentang metode pembelajaran terus berlanjut, AI in-house pada akhirnya akan menggantikan posisi developer in-house.
Apakah perbandingan ini memang adil? Mengingat penulisnya adalah profesor tetap di universitas yang cukup bagus, sepertinya saat masih menjadi mahasiswa dia tidak pernah merasakan pengalaman di universitas tempat para mahasiswa rata-rata berkuliah.
Thoughtworks Technology Radar, Volume 31
Thoughtworks Technology Radar, Volume 30
Thoughtworks Technology Radar, Volume 29
Thoughtworks Technology Radar, Volume 28
Thoughtworks Technology Radar, Volume 27
Thoughtworks Technology Radar, Volume 26
ThoughtWorks Technology Radar, Volume 23
ThoughtWorks Technology Radar, Volume 22
Berita teknologi yang diterbitkan setiap 6 bulan oleh ThoughtWorks - Radar Vol.21
Saya juga sempat memikirkan hal yang mirip dari sisi antarmuka, tapi saya juga tidak bisa membayangkan antarmuka baru yang benar-benar cocok.
Oh, ini jelas bagus.
Ah, ini bagus ya wkwkwk
Kode negara 371 itu Latvia, ya. Saya tidak tahu apakah hanya pusat layanannya yang ada di sana atau kantor pusatnya memang berada di Latvia. Tapi dalam arti tertentu, ini terasa cukup mengesankan.
Harga total seluruh buku teks sangat murah, sekitar $35~$100
...? Tapi rasanya itu sama sekali bukan harga yang bisa dibilang murah bagi mahasiswa...
Saya setuju lebih dari 90 persen dengan tulisan di atas.
Sepertinya memang sudah pasti bahwa kini momen perubahan dalam kapabilitas dan paradigma pengembangan sedang datang.
Sekarang, dari sisi kemampuan mengarahkan, saya rasa kita perlu lebih memperhatikan lebih banyak design pattern, cara membangun aplikasi yang bersifat umum, serta metodologi untuk pemecahan masalah.
Pengembangan algoritma sudah lama melampaui batas kemampuan manusia, dan seperti AI yang kini sedang melakukan optimasi algoritma yang tidak dapat dipahami manusia, para pengembang ke depan adalah saatnya untuk fokus pada tren yang lebih luas dan lebih banyak.
Belajar AI itu penting, tetapi saya rasa tidak perlu bereaksi berlebihan setiap kali teknologi baru muncul. Menginvestasikan lebih banyak waktu pada konsep inti yang tidak berubah lebih efektif, dan karena AI relatif mudah dipelajari, menurut saya tidak masalah untuk mempelajarinya pelan-pelan. Daripada terus mengejar setiap perkembangan, saya rasa yang lebih penting adalah membangun kemampuan yang mendasar.
https://github.com/ebandal/H2Orestart
Jika menggunakan program tersebut, pengeditan juga dimungkinkan (tidak bisa menyimpan dalam format hwp, hwpx)
Baru-baru ini, dukungan hwp/hwpx juga ditambahkan ke onlyoffice.
Sekarang pun dia masih lebih bagus daripada kebanyakan orang. Karena belajar dari kode para guru open source, kalau pertanyaannya bagus, hasilnya juga keluar dengan kualitas yang bagus haha
Tulisan https://upsidelab.io/blog/design-voice-user-interface-starcraft yang diperkenalkan di artikel utama menarik juga meskipun merupakan tulisan dari tahun 2018
Dari pengalaman saya sendiri, dan juga terlihat dari kasus lain seperti https://blog.lawrencejones.dev/ai-mvp/, model terbaru ternyata tidak selalu menjamin hasil yang lebih baik. Setiap kali melakukan tuning pada model atau prompt, kita perlu melakukan evaluasi melalui dataset; tetapi, meskipun llm bisa membantu penilaian, tetap saja agak ironis karena manusia harus membuat sendiri dataset ground truth untuk model llm satu per satu secara manual haha
Saya penasaran metode apa yang akan dipilih dan digunakan di masa depan.
Manusia cenderung tidak menyukai ketidakpastian saat berdialog, sehingga sulit melepaskan keinginan untuk memakai kata yang tepat. Namun, ChatAI atau LLM pada dasarnya mengandung ketidakpastian. Jika informasi probabilistik hanya ada pada saya, itu tidak masalah, tetapi jika lawan bicara juga bergantung pada probabilitas, hal itu terasa menegangkan. Terkadang, cara yang deterministik bisa terasa lebih menenangkan.
Kalau terbakar..
Polarisasi si miskin makin miskin dan si kaya makin kaya pun menghilang…
Kalau membuat produk baru, setidaknya sekarang harus sekalian membuat server MCP…
Bukankah argumen bahwa AI tidak bisa menginvasi jika sesuatu tidak ada di internet terdengar agak aneh? Saya pikir, seiring riset tentang metode pembelajaran terus berlanjut, AI in-house pada akhirnya akan menggantikan posisi developer in-house.
Ekosistem yang bisa bertahan 20 tahun memang bikin orang mengangguk setuju, tapi kenapa ujung-ujungnya malah
wine..Sepertinya macOS sudah tidak bisa dipakai lagi.
Apakah perbandingan ini memang adil? Mengingat penulisnya adalah profesor tetap di universitas yang cukup bagus, sepertinya saat masih menjadi mahasiswa dia tidak pernah merasakan pengalaman di universitas tempat para mahasiswa rata-rata berkuliah.