是时候学习机器学习系统设计了！斯坦福CS 329S开课，课件、笔记同步更新

机器学习系统设计的概念是指，为了满足特定要求，针对机器学习系统对软件体系架构、基础架构、算法和数据进行定义的过程。虽然现有的系统也可以满足大部分模型搭建的需求，但我们必须承认：首先，工具空间是不断革新的；其次，业务需求是不断变化的；最后，数据分布也是持续更替的。因此，「系统」是很容易过时的。如果不能及时更新，那么出错、崩溃都是可以预料的。这也是本门课程开设的初衷。

本门课程旨在为现实中的机器学习系统提供一个迭代框架，该框架的目标是构建一个可部署、可信赖、可扩展的系统。首先要考虑的是每个 ML 项目的利益相关者及目标，不同的目标则需要不同的设计选择，且要考虑如何权衡。

课程涵盖了从项目界定、数据管理、模型开发、部署、基础架构、团队架构到业务分析的所有步骤，在每个步骤中，都会探讨不同解决方案的动机、挑战和局限性。在课程的最后一部分，将会探讨机器学习生产生态系统的未来。学生们还将学习关于隐私、公平、安全方面的知识。

学习这门课程的学生应该满足以下条件：

具备基本的计算机科学原理和技能知识，能够编写一般的计算机程序（比如完成了 CS106B / X 等课程）；

对机器学习算法有着良好的掌握（比如完成了 CS229、CS230、CS231N、CS224N 等课程）；

熟悉至少一个框架，比如 TensorFlow，PyTorch，JAX；

熟悉基本的概率论（比如完成 CS109 或 Stat116 等课程）

鉴于大多数课程都会使用 Python，因此也建议选择这门课程的学生了解一点 Python 知识。

这门课程没有教科书，主要依赖于课堂讲义和一些阅读材料。课程视频都会被录制保存，目前仅开放给校内学生，暂未决定是否公开发布。