The Full Stack
The Full Stack (Full Stack Deep Learning) · AI 學習 · 其他 · 提示詞
The Full Stack 是 UC Berkeley 博士校友組成的團隊推出的免費課程，教你打造 AI 產品，從資料處理、部署到 LLMOps 都有涵蓋。
關於 The Full Stack
About
什麼是 The Full Stack
The Full Stack 又稱 Full Stack Deep Learning，是一群 UC Berkeley 博士校友組成的教學團隊，成員在 OpenAI、Weights & Biases 與自家新創把機器學習系統送進正式環境。他們的前提很簡單：把模型訓練起來只是簡單的那一半，周邊的一切才決定產品能不能用。
教材涵蓋 AI 產品的完整生命週期。從挑一個值得做的問題開始，接著是資料與實驗管理、每週都在變的模型該怎麼測試、部署上線，以及上線之後怎麼盯著看。較新的 LLM 系列補上提示詞工程、擴增語言模型，還有聊天介面帶來的那一堆使用者體驗問題。想找 MLOps 課程的人，也能在這裡看到上線之後的營運環節。
最大的限制是時效。課程是錄影，講的是錄影當年的工具與模型能力。團隊自己在網站上寫明了這件事，讀者該把影片裡的套件名稱當成歷史案例，而不是現在的推薦清單。免費版本也沒有班級、沒有批改，更沒有講師回饋。
開始使用
- 打開 fullstackdeeplearning.com，選一條路線：2022 年的深度學習課程，或 2023 年的 LLM Bootcamp。
- 先看課程表，從「課程願景與什麼時候該用機器學習」那一堂開始，它會把後面整系列的順序講清楚。
- 深度學習底子不夠的話，先補 CNN、Transformer 與 PyTorch Lightning 的預備課程。
- 挑一個實作單元從頭做到尾，例如實驗管理或網站部署，用你自己的專案，不要用範例資料集。
- 訂閱電子報或 YouTube 頻道，有新一輪課程才不會漏掉。
產品資訊
快速了解 The Full Stack 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 轉做 AI 的軟體工程師：課程預設你會寫 Python，所以可以跳過程式基礎，直接看他最常卡住的地方，也就是 AI 產品開發和一般應用開發的差別。
- 已經會訓練模型的 ML 工程師：部署、持續學習與測試這幾堂，補上「 notebook 跑得動」到「真的有使用者在用」之間那道缺口。
- 正在評估 AI 功能的產品經理與創業者：前面幾堂講什麼時候該用機器學習、ML 團隊怎麼帶，能幫你判斷這個專案值不值得投預算。
- 學生與研究者：整份教材免費且一直掛在線上，當成大學課程的補充材料很合適。
任務
- 判斷一個問題到底需不需要機器學習：第一堂課會比較 ML 做法與簡單規則在成本與維護上的差距。
- 把實驗追蹤與測試建起來：實作單元示範具體工具，用來記錄每次執行、比較結果，並在上線前抓到退步。
- 把模型從 notebook 搬到正式環境：部署與監控單元涵蓋服務化、容器基本概念，以及流量進來之後該看哪些指標。
- 搞懂 LLM 應用是怎麼做的：LLM Bootcamp 的課程談提示詞工程、文件檢索、工具呼叫，還有讓對話介面真的能用的設計模式。
情境
- 花幾週自己讀：九堂課加上實作單元，用零碎時間搭配正職工作也排得下。
- 帶團隊建立正式環境的 ML 做法：主管可以指定幾堂必看，再用實作單元當共同練習。
- 先試水溫再決定要不要付費上課：免費教材能看到教學風格與深度，再決定錢要花在哪裡。
主要功能
2022 年免費課程影片
九堂錄影課從課程願景一路講到開發基礎設施、除錯與評估、資料管理、部署、持續學習、基礎模型、團隊運作與倫理。每堂都附簡報與書面摘要，想用讀的也可以。整套一直開放，團隊也說會永久免費。
Full Stack LLM Bootcamp 錄影
2023 年 4 月的 LLM Bootcamp 多了八堂課，主題圍繞語言模型應用：提示詞工程、LLMOps、對話介面的使用者體驗、擴增語言模型，還有一堂示範如何在一小時內把 LLM 應用弄上線。這是實體活動的錄影，開放方式和舊教材一樣。
動手做的實作單元
八個實作單元搭配 2022 年課程，內容涵蓋實驗管理、資料標註、除錯、網站部署與模型監控。每個都用真的工具鏈，不是玩具範例，做完手上會有一個能上線的東西。把課程變成工作上能重複使用的能力，靠的就是這一段。
LLMOps 的實務內容
LLMOps 那堂課處理的是語言模型功能上線後的營運面：怎麼評估沒有單一正確答案的輸出、怎麼追成本與延遲，還有模型一更新行為就變掉該怎麼應付。多數團隊在第一版原型碰到真實使用者時，缺的就是這一塊。它停在第一輪選擇與延伸閱讀的層次，不是完整的工程手冊。
提示詞工程與介面設計
兩堂課把提示詞與介面設計當產品問題處理，而不是當小技巧。提示詞那堂講結構化提示、少量範例與常見失敗模式，UX 那堂看聊天介面怎麼藏住或露出系統狀態。兩堂接著看比只看一堂有用，因為好提示配上爛介面，結果還是失敗。
以專案為主線的學習路徑
2022 年課程包含一個小組專案，要交提案、里程碑與期末發表，專案發表的錄影也公開了。你可以一個人照同樣結構走：挑一個小題目，用實作單元跑一遍，再講給朋友或同事聽，順便收點意見。這些專案也讓人知道，幾週的兼職時間大概能做到多大的範圍。
優缺點
優點
- 全部免費，簡報、實作單元與錄影都算在內，看課不用先註冊。
- 講師在 OpenAI、Weights & Biases 與 Volition 真的把系統送上線，建議來自實務而不是理論。
- 範圍涵蓋那些不亮眼卻決定專案成敗的部分：資料管理、測試與監控。
- 實作單元從頭到尾都用當時最新的工具鏈，流程要搬進自己的儲存庫不難。
- LLM 系列講到介面設計與評估，這兩塊是大多數提示詞教學直接跳過的。
缺點
- 錄影老得快。2022 與 2023 年的工具名稱與模型能力都往前走了，任何跟版本有關的細節都得回頭查最新文件。
- 沒有班級、沒有截止日、沒有回饋，需要外部壓力才動得起來的人很難讀完。
- 免費版不發證書也不給證明，單靠它無法滿足正式訓練的要求。
- 許多營運面的主題只停在第一輪選擇與提示，如果某個技術堆疊需要深入的正式環境指引，這裡會留下缺口。
常見問題
不用。網站上的課程、簡報、實作單元與錄影全部免費觀看，團隊也說 2022 年的教材永久免費。沒有付費方案，看影片也不需要註冊帳號。
相關內容
探索與 The Full Stack 相關的工具、技能與文章。
The Full Stack 替代方案
Coddy
Coddy · 程式設計 · AI 學習Coddy 是遊戲化程式學習平台，用 20 多種語言的短篇互動課程帶你寫程式，內建瀏覽器編輯器、AI 助教與免費證書。
Marv
Cameron (independent developer) · 程式設計 · 生產力 · AI 學習Marv 是 Windows 與 Mac 的 AI 游標夥伴。它看得見你的螢幕，用語音回答問題，並以箭頭和標示畫出下一步該點的位置。
Teachoo
iAsk AI · AI 學習 · 聊天機器人Teachoo 是免費的 AI 作業輔助工具，用一問一答帶學生走過數學、自然、寫作與程式題目，支援拍照上傳、提示與記憶卡。