The Full Stack
The Full Stack (Full Stack Deep Learning) · Lernen · Sonstiges · Prompts
The Full Stack ist eine kostenlose Kursreihe von UC-Berkeley-Doktoranden, die zeigt, wie man KI-Produkte baut, von den Daten bis zum Deployment und zu LLMOps.
Über The Full Stack
About
Was ist The Full Stack
The Full Stack, auch bekannt als Full Stack Deep Learning, ist ein Lehrprojekt eines kleinen Teams von UC-Berkeley-Doktoranden, die Machine-Learning-Systeme bei OpenAI, Weights & Biases und in eigenen Firmen in Produktion gebracht haben. Die Grundidee ist einfach: Ein Modell zu trainieren ist der leichte Teil, und alles drum herum entscheidet, ob das Produkt funktioniert.
Das Material deckt den gesamten Lebenszyklus eines KI-Produkts ab. Es beginnt bei der Wahl eines Problems, das sich lohnt, und geht weiter über Daten- und Experimentverwaltung sowie das Testen eines Modells, das sich jede Woche ändert, bis zum Deployment und zur Beobachtung nach dem Start. Der neuere LLM-Zweig ergänzt Prompt-Engineering, erweiterte Sprachmodelle und die Gestaltungsfragen, die Chat-Oberflächen mitbringen. Ein kostenloser KI-Kurs mit dieser Breite ist selten: Der Machine-Learning-Kurs von 2022 beginnt bei den Grundlagen und endet bei Teamprozessen, und der rote Faden der KI-Produktentwicklung bleibt über alle Einheiten gleich.
Die größte Einschränkung ist die Aktualität. Die Vorlesungen sind Aufzeichnungen und beschreiben deshalb die Werkzeuge und Modellfähigkeiten des Jahres, in dem sie entstanden sind. Das Team schreibt das selbst auf der Website, und Sie sollten Bibliotheksnamen als historische Beispiele lesen, nicht als aktuelle Empfehlung. Außerdem gibt es im kostenlosen Angebot keine Gruppe, keine Korrekturen und kein Feedback von Lehrenden.
Erste Schritte
- Öffnen Sie fullstackdeeplearning.com und wählen Sie einen Zweig: den Deep-Learning-Kurs von 2022 oder das LLM Bootcamp von 2023.
- Sehen Sie sich den Zeitplan an und beginnen Sie mit der Vorlesung zur Kursvision und der Frage, wann Machine Learning sinnvoll ist. Sie ordnet den Rest der Reihe.
- Schauen Sie die Vorbereitungslektionen zu CNNs, Transformers und PyTorch Lightning, wenn Ihre Deep-Learning-Grundlage dünn ist.
- Arbeiten Sie ein Labor vollständig durch, etwa zu Experimentverwaltung oder Web-Deployment, und zwar an Ihrem eigenen Projekt statt an einem Beispieldatensatz.
- Abonnieren Sie den Newsletter oder den YouTube-Kanal, wenn Sie von kommenden Ausgaben erfahren möchten.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von The Full Stack.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Softwareentwickler, die in die KI-Arbeit wechseln
- ML-Engineers mit Erfahrung im Modelltraining
- Produktmanager und Gründer, die ein KI-Feature prüfen
- Studierende und Forschende
Aufgaben
- Prüfen, ob ein Problem überhaupt Machine Learning braucht
- Experimentverwaltung und Tests aufsetzen
- Ein Modell vom Notebook in die Produktion bringen
- Verstehen, wie LLM-Apps entstehen
Szenarien
- Selbststudium über einige Wochen
- Ein Team an ML-Praktiken für die Produktion heranführen
- Vor dem Kauf eines Bootcamps oder MLOps-Kurs prüfen, ob der Stil passt
Wichtigste Funktionen
Kostenlose Vorlesungsbibliothek von 2022
Neun aufgezeichnete Vorlesungen reichen von der Kursvision über Entwicklungsinfrastruktur, Debugging und Bewertung, Datenverwaltung, Deployment und kontinuierlichem Lernen bis zu Foundation Models, Teamarbeit und Ethik. Zu jeder Vorlesung gibt es Folien und eine schriftliche Zusammenfassung, Sie können also lesen statt schauen. Das Ganze bleibt offen, und das Team bezeichnet es als dauerhaft kostenlos.
Aufzeichnungen des Full Stack LLM Bootcamp
Das LLM Bootcamp von April 2023 ergänzt acht Sitzungen zu Anwendungen mit Sprachmodellen: Prompt-Engineering, LLMOps, Gestaltung sprachbasierter Oberflächen, erweiterte Modelle und ein Durchlauf, der eine LLM-App in einer Stunde startet. Es sind Aufzeichnungen einer Präsenzveranstaltung, veröffentlicht mit demselben freien Zugang wie das ältere Material.
Praktische Labore
Acht Labore begleiten die Vorlesungen von 2022 und führen durch Experimentverwaltung, Datenannotation, Debugging, Web-Deployment und Modell-Monitoring. Jedes nutzt einen echten Werkzeugstapel statt eines Spielbeispiels, am Ende steht also etwas Einsetzbares. Die Labore sind der Teil, der aus Vorlesungen Fähigkeiten macht, die im Beruf wiederverwendbar sind.
Abdeckung von LLMOps
Die LLMOps-Vorlesung behandelt die betriebliche Seite eines Sprachmodell-Features: Ausgaben bewerten, die keine eindeutig richtige Antwort haben, Kosten und Latenz verfolgen und damit rechnen, dass ein Modellupdate das Verhalten über Nacht verändert. Genau dieses Material fehlt meist, wenn der erste Prototyp auf echte Nutzer trifft. Es bleibt bei ersten Entscheidungen und Hinweisen, nicht bei einem vollständigen Ingenieurhandbuch.
Prompt-Engineering und Oberflächengestaltung
Zwei Sitzungen behandeln Prompts und Oberflächengestaltung als Produktprobleme, nicht als Tricks. Die Prompt-Vorlesung deckt strukturierte Prompts, Few-Shot-Beispiele und typische Fehler ab, die UX-Sitzung betrachtet, wie eine Chat-Oberfläche den Systemzustand verbirgt oder zeigt. Beide hintereinander zu sehen bringt mehr als eine allein, denn ein guter Prompt in einer schlechten Oberfläche scheitert trotzdem.
Lernpfad mit eigenem Projekt
Der Kurs von 2022 enthält ein Gruppenprojekt mit Vorschlägen, Meilensteinen und Abschlusspräsentation, und die Projektvorträge sind öffentlich. Sie können dieselbe Struktur allein durchziehen: eine kleine Produktidee wählen, sie durch die Labore schicken und einem Freund oder Kollegen vorstellen. Die Projekte zeigen, welcher Umfang in ein paar Wochen Teilzeitarbeit realistisch ist.
Vor- und Nachteile
Vorteile
- Alles ist kostenlos, inklusive Folien, Labore und Aufzeichnungen, ohne Anmeldeschranke vor den Vorlesungen.
- Die Lehrenden haben echte Systeme bei OpenAI, Weights & Biases und Volition in Produktion gebracht, der Rat kommt also aus der Praxis und nicht aus der Theorie.
- Der Umfang deckt die unspektakulären Teile ab, die über ein Projekt entscheiden: Datenverwaltung, Tests und Monitoring.
- Die Labore nutzen durchgängig Werkzeuge, die zum Aufnahmezeitpunkt aktuell waren, das macht das Nachbauen im eigenen Repository leicht.
- Der LLM-Zweig behandelt Oberflächengestaltung und Bewertung, zwei Themen, die fast alle Prompt-Inhalte auslassen.
Nachteile
- Aufzeichnungen veralten schnell. Werkzeugnamen und Modellfähigkeiten aus 2022 und 2023 haben sich weiterentwickelt, versionsspezifische Details müssen Sie in der aktuellen Dokumentation prüfen.
- Es gibt keine Gruppe, keine Frist und kein Feedback, was das Durchhalten für alle schwer macht, die äußeren Druck brauchen.
- Das kostenlose Angebot bringt kein Zertifikat und keinen Nachweis, allein erfüllt es also keine formalen Schulungsauflagen.
- Bei vielen betrieblichen Themen bleibt es bei ersten Entscheidungen und Hinweisen, das lässt Lücken, wenn Sie für einen bestimmten Stack eine tiefe Produktionsanleitung brauchen.
Häufige Fragen
Ja. Alle Vorlesungen, Foliensätze, Labore und Aufzeichnungen auf der Website lassen sich ohne Bezahlung ansehen, und das Team erklärt das Material von 2022 für dauerhaft kostenlos. Es gibt keine Bezahlstufe und kein Konto, um an die Videos zu kommen.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu The Full Stack.
Alternativen zu The Full Stack
Coddy
Coddy · Coding · LernenCoddy bringt Programmieren mit kurzen, interaktiven Lektionen in über 20 Sprachen bei, inklusive Browser-Editor, KI-Tutor und kostenlosen Zertifikaten.
Marv
Cameron (independent developer) · Coding · Produktivität · LernenMarv ist ein KI-Cursor-Begleiter für Windows und Mac. Er sieht Ihren Bildschirm, antwortet per Sprache und zeichnet Pfeile und Markierungen, die den nächsten Klick zeigen.
Teachoo
iAsk AI · Lernen · ChatbotTeachoo ist eine kostenlose KI-Hausaufgabenhilfe, die Schüler in Mathematik, Naturwissenschaften, Schreiben und Programmieren Schritt für Schritt begleitet, mit Foto, Hinweisen und Lernkarten.