原文：
www.kdnuggets.com/2021/02/machine-learning-systems-design-free-stanford-course.html
comments
你是否已经浏览了所有的入门机器学习教程？是否阅读了你能处理的所有算法理论？对机器学习数据的所有问题都很熟悉？但仍然不知道如何设计一个现实世界的机器学习系统？不确定哪种软件架构是有用的？即便知道了，你是否仍然对如何部署和维护它感到毫无头绪？
不用担心！机器学习系统设计 是斯坦福大学提供的一个免费课程，由Chip Huyen教授，旨在为你提供设计、部署和管理实用机器学习系统的工具包。以下是课程网站对机器学习系统设计的简要描述：
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT
机器学习系统设计是定义机器学习系统的软件架构、基础设施、算法和数据的过程，以满足特定要求。
课程的初步提供目前正在进行中，课程网站上提供了最新资源，包括详细的课堂笔记、幻灯片，以及在某些情况下的代码和视频。目前无法访问视频、讨论或其他课程材料，且应注意，公开的材料仅供审计目的；无法通过此过程获得课程完成认证。然而，与我们曾经介绍的斯坦福免费课程一样，这些精选资源对部分读者的学习仍然有明显的好处。
机器学习系统设计课程究竟涵盖了什么内容？
课程涵盖了从项目范围定义、数据管理、模型开发、部署、基础设施、团队结构到业务分析的所有步骤。在每一步中，它会讨论不同解决方案的动机、挑战和局限性（如果有的话）。课程最后讨论了机器学习生产生态系统的未来。
更具体地说，课程大纲列出了以下主题：
-
理解机器学习生产
-
理解机器学习系统设计
-
数据工程
-
模型开发
-
模型评估
-
实验追踪
-
部署
-
模型扩展
-
系统监控
-
机器学习系统的未来
…以及更多。
如果上述主题让你觉得这不像是入门级的机器学习或编程课程，那是因为它确实不是。在准备深入这些材料之前，应该已经具备（从课程网站获得）：
-
计算机科学基本原理和技能的知识
-
对机器学习算法的良好理解
-
熟悉至少一个框架，如 TensorFlow、PyTorch、JAX
-
熟悉基础概率理论
除了网站上的课程材料外，Chip 还编写了这些相关的机器学习系统设计笔记可在她的网站上查阅；由于我没有进行彻底比较，课程网站上的材料可能会与这些材料有重叠。
虽然课程由 Chip Huyen 主讲，但课程助教包括 Karan Goel、Michael Cooper 和 Xi Yan，课程顾问则为 Michele Catasta 和 Christopher Ré。客座讲座由包括 Lavanya Shukla、Christopher Ré、Daniel Bourke、Piero Molino、Saam Motamedi、Neil Lawrence 等多位贡献者主讲。
由于机器学习系统设计的深入优质材料稀缺，这门课程正在成为任何希望将所有这些部分整合在一起，并希望拥有自己坚实的 ML 设计工具包的人的首选。
相关：
-
最好的深度学习 NLP 课程是免费的
-
通过 Yann LeCun 的免费课程学习深度学习
-
亚马逊的免费入门机器学习课程