Phase 00: Setup & Tooling

Medio ambiente de desarrollo

Sus herramientas dan forma a su pensamiento.

Type: Build

Languages: Python, Node.js, Rust

Prerequisites: None

Time: ~45 minutes

Objetivos de aprendizaje

Configure Python 3.11+, Node.js 20+, y cadenas de herramientas Rust desde cero
Configurar entornos virtuales y administradores de paquetes para edificaciones reproducibles
Verificar el acceso de la GPU con CUDA/MPS y ejecutar una operación de tensor de prueba
Comprender la pila de cuatro capas: sistema, paquetes, tiempos de ejecución, bibliotecas de IA

El problema

Estás a punto de aprender ingeniería de IA en más de 500 lecciones usando Python, TypeScript, Rust y Julia. Si tu entorno se rompe, cada lección se convierte en una lucha contra la herramienta en lugar de aprender.

La mayoría de la gente omite la configuración del entorno y luego pasa horas debujando errores de importación, conflictos de versiones y controladores de CUDA faltantes.

El concepto

Un entorno de ingeniería de IA tiene cuatro capas:

graph TD
    A["4. AI/ML Libraries\nPyTorch, JAX, transformers, etc."] --> B["3. Language Runtimes\nPython 3.11+, Node 20+, Rust, Julia"]
    B --> C["2. Package Managers\nuv, pnpm, cargo, juliaup"]
    C --> D["1. System Foundation\nOS, shell, git, editor, GPU drivers"]

Installamos abajo arriba. Cada capa depende de la que está debajo de ella.

Construye el mismo

Paso 1: Fundamento del sistema

Compruebe su sistema e instale los elementos básicos.

bash# macOS
xcode-select --install
brew install git curl wget

# Ubuntu/Debian
sudo apt update && sudo apt install -y build-essential git curl wget unzip

# Windows (use WSL2)
wsl --install -d Ubuntu-24.04

Paso 2: Python con UV

UsamosuvEs 10-100 veces más rápido que pip y maneja entornos virtuales automáticamente.

bashcurl -LsSf https://astral.sh/uv/install.sh | sh

uv python install 3.12

uv venv
source .venv/bin/activate  # or .venv\Scripts\activate on Windows

uv pip install numpy matplotlib jupyter

Verifique:

pythonimport sys
print(f"Python {sys.version}")

import numpy as np
print(f"NumPy {np.__version__}")
a = np.array([1, 2, 3])
print(f"Vector: {a}, dot product with itself: {np.dot(a, a)}")

Paso 3: Node.js con pnpm

Para clases de TypeScript (agentes, servidores MCP, aplicaciones web).

bashcurl -fsSL https://fnm.vercel.app/install | bash
fnm install 22
fnm use 22

npm install -g pnpm

node -e "console.log('Node', process.version)"

El instalador de fnm comprueba si unzipPrimero y sale con Not installing fnm due to missing dependencies.Cuando está ausente: en Linux desempaca un archivo zip, en macOS lo instala a través de Homebrew.unzip; Ubuntu, Debian y WSL2 lo obtienen desde la línea apt del Paso 1 (sudo apt install -y unzipsi saltaste ese paso).

macOS / Apple Silicon (M1/M2/M3/M4):Si el instalador deja de instalar Error: Cannot install under Rosetta 2 in ARM default prefix (/opt/homebrew), su terminal está funcionando bajo Rosetta 2 (archhuellasi386Instálle el arm64 forzador de fnm, cablealo en su caparazón, y luego vuelva a ejecutar los comandos anteriores desde fnm install 22¿Qué es esto ?

basharch -arm64 brew install fnm
echo 'eval "$(fnm env --use-on-cd)"' >> ~/.zshrc
source ~/.zshrc

Paso 4: Corrosidad

Para las lecciones críticas al rendimiento (inferencia, sistemas).

bashcurl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

rustc --version
cargo --version

Paso 5: Julia (opcional)

Para clases de matemáticas pesadas donde Julia brilla.

bashcurl -fsSL https://install.julialang.org | sh

julia -e 'println("Julia ", VERSION)'

Paso 6: Configuración de GPU (si tiene uno)

NVIDIA (Linux / Windows):

bashnvidia-smi

# Install PyTorch with CUDA
uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

macOS / Apple Silicon (M1/M2/M3/M4):No hay CUDA en un Mac que se espera, no un fracaso.notPasé .--index-url .../cuXXX(aquellas ruedas son solo Linux / Windows, por lo que la instalación falla). Instale la construcción simple, que incluye el backend de la GPU MPS (Metal) de Apple:

bashuv pip install torch torchvision torchaudio

Verificar (funciona en cualquier plataforma):

pythonimport torch
print(f"CUDA available: {torch.cuda.is_available()}")           # False on macOS — expected
print(f"MPS available:  {torch.backends.mps.is_available()}")   # True on Apple Silicon
if torch.cuda.is_available():
    print(f"GPU: {torch.cuda.get_device_name(0)}")

No hay GPU? No hay problema. La mayoría de las clases funcionan en CPU. Para las clases pesadas de entrenamiento, utilice Google Colab o GPUs en la nube.

Paso 7: Verifique la ruta que desea iniciar

ejecuta cada comando en esta lección desde la raíz del repositorio, el directorio que

contiene README.mdy phases/El prevuelo sólo comprueba lo que necesitas .

comienza la ruta seleccionada. Salta las herramientas posteriores por defecto para que un nuevo aprendiz vea

una respuesta clara en lugar de un muro de advertencias.

Comience la secuencia completa de principiantes:

bashpython3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner

O sólo compruebe la ruta que quieras:

bashpython3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route ml-foundations
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route llm-engineering
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route agents
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route mcp
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route agent-skills
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route certification

Añadir--show-latercuando se desea el mismo prevuelo para inspeccionar herramientas opcionales

Una herramienta posterior que no haya sido utilizada nunca bloqueará la

la ruta seleccionada.

Cada verificación requerida fallida incluye el camino detectado o el error de importación y un

Las habilidades de los agentes y las rutas de certificación también muestran

las comprobaciones manuales del host porque un script Python no puede probar que un host de IA tiene

Descubre una habilidad o que el alcance de habilidad que elijas es escritorio.

Cuando el prevuelo de principiante pasa, imprime la primera lección ejecutable exacta:

textReady to start Beginner course.
Next: python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

Usalo

Su entorno está listo para comenzar la ruta que comprobó.

Cuando una lección pide por ellos en lugar de bloquear su primera lección en su conjunto

Esto es lo que usará en todo el plan de estudios:

Language	Used In	Package Manager
Python	Phases 1-12 (ML, DL, NLP, Vision, Audio, LLMs)	uv
TypeScript	Phases 13-17 (Tools, Agents, Swarms, Infra)	pnpm
Rust	Phases 12, 15-17 (Performance-critical systems)	cargo
Julia	Phase 1 (Math foundations)	Pkg

Envío

Esta lección produce un guión de verificación que cualquiera puede ejecutar para comprobar su configuración.

¿ Qué ?outputs/prompt-env-check.mdpara una respuesta que ayuda a los asistentes de IA a diagnosticar problemas ambientales.

Los ejercicios

Ejecutar el guión de verificación y corregir cualquier falla
Crear un entorno virtual Python para este curso e instalar PyTorch
Escriba un "hola mundo" en los cuatro idiomas y ejecuta cada uno

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.