Phase 00: Setup & Tooling

Environnement de développement

Vos outils façonnent votre pensée.

Type: Build

Languages: Python, Node.js, Rust

Prerequisites: None

Time: ~45 minutes

Objectifs d'apprentissage

Configurez Python 3.11+, Node.js 20+ et Rust à partir de zéro
Configurer des environnements virtuels et des gestionnaires de paquets pour les constructions reproducibles
Vérifiez l'accès à la GPU avec CUDA/MPS et effectuez une opération de test tenseur
Comprendre la pile à quatre couches: système, paquets, temps d'exécution, bibliothèques d'IA

Le problème

Vous allez apprendre l'ingénierie de l'IA sur plus de 500 leçons en utilisant Python, TypeScript, Rust et Julia. Si votre environnement est cassé, chaque leçon devient une lutte contre l'outillage au lieu d'apprendre.

La plupart des gens sautent la configuration de l'environnement, puis passent des heures à déboguer les erreurs d'importation, les conflits de version et les pilotes CUDA manquants.

Le concept

Un environnement d'ingénierie AI a quatre couches:

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"]

Nous installons en bas vers le haut. Chaque couche dépend de celle qui est sous elle.

Faites-le

Étape 1: Fondation du système

Vérifiez votre système et installez les bases.

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

Étape 2: Python avec UV

On utiliseuvIl est 10 à 100 fois plus rapide que le pip et gère automatiquement les environnements virtuels.

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

Vérifiez:

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)}")

Étape 3: Node.js avec pnpm

Pour les leçons de typeScript (agents, serveurs MCP, applications 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)"

L' installateur de l' fnm vérifie si unzipLe premier et le dernier.Not installing fnm due to missing dependencies.quand il est absent: sur Linux il déballe une archive zip, sur macOS il installe via Homebrew.unzip; Ubuntu, Debian et WSL2 le récupèrent à partir de la ligne apt étape 1 (sudo apt install -y unzipsi vous avez sauté cette étape).

macOS / Apple Silicon (M1/M2/M3/M4):Si l' installateur arrête deError: Cannot install under Rosetta 2 in ARM default prefix (/opt/homebrew)Votre terminal est sous Rosetta 2 (archdes empreintesi386Installez l'arm64 à force de fnm, branchez-le dans votre coquille, puis réalisez les commandes ci-dessus à partir defnm install 22- Le numéro de la liste:

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

Étape 4: Rost

Pour les leçons critiques de performance (inférence, systèmes).

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

rustc --version
cargo --version

Étape 5: Julia (optionnelle)

Pour des cours de mathématiques où Julia brille.

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

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

Étape 6: Configuration du GPU (si vous en avez un)

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):Il n'y a pas de CUDA sur un Mac qui soit attendu, pas un échec.notPasser .--index-url .../cuXXXInstallez la construction simple, qui comprend le backend de la GPU MPS (Metal) d'Apple:

bashuv pip install torch torchvision torchaudio

Vérifiez (fonctionne sur n'importe quelle plateforme):

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)}")

La plupart des leçons fonctionnent sur le processeur. Pour les leçons lourdes, utilisez Google Colab ou des GPU en nuage.

Étape 7: Vérifiez la route que vous souhaitez démarrer

Exécutez chaque commande dans cette leçon à partir de la racine du référentiel, le répertoire qui

contient README.mdet phases/Le pré-vol ne vérifie que ce dont vous avez besoin .

Il saute les outils ultérieurs par défaut afin qu'un nouvel apprenant voit

une réponse claire au lieu d'un mur d'avertissements.

Commencez la séquence complète des débutants:

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

Ou vérifier seulement la route que vous voulez:

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

Ajouter --show-laterlorsque vous voulez le même pré-vol pour inspecter des outils optionnels

Les outils de formation sont utilisés dans les cours suivants.

route sélectionnée.

Chaque vérification requise ayant échoué comprend le chemin détecté ou l'erreur d'importation et un

Les compétences des agents et les routes de certification montrent également que les commandes correctives sont exactes.

Les contrôles manuels de l'hôte parce qu'un script Python ne peut pas prouver qu'un hôte AI a

Vous avez découvert une compétence ou que votre domaine d'expertise est réalisable.

Quand le pré-vol débutant passe, il imprime la première leçon exécutive:

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

Utilisez-le

Votre environnement est prêt à démarrer le parcours que vous avez vérifié.

quand une leçon demande pour eux au lieu de bloquer votre première leçon dans son ensemble

Voici ce que vous utiliserez dans le programme:

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

La faire partir

Cette leçon produit un script de vérification que tout le monde peut exécuter pour vérifier leur configuration.

Regardez !outputs/prompt-env-check.mdpour une demande qui aide les assistants d'IA à diagnostiquer les problèmes environnementaux.

Exercices

Exécutez le script de vérification et corrigez les pannes
Créez un environnement virtuel Python pour ce cours et installez PyTorch
Écrivez un "bonjour au monde" dans les quatre langues et faites fonctionner chacune d'elles.

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.