Phase 00: Setup & Tooling

Ambiente de desenvolvimento

As tuas ferramentas moldam o teu pensamento.

Type: Build

Languages: Python, Node.js, Rust

Prerequisites: None

Time: ~45 minutes

Objetivos de aprendizagem

Configure Python 3.11+, Node.js 20+, e Rust toolchains a partir do zero
Configurar ambientes virtuais e gerenciadores de pacotes para construções reprodutíveis
Verificar o acesso da GPU com CUDA/MPS e executar uma operação de tensor de teste
Compreender a pilha de quatro camadas: sistema, pacotes, tempos de execução, bibliotecas de IA

O problema

Você está prestes a aprender engenharia de IA em mais de 500 aulas usando Python, TypeScript, Rust e Julia. Se o seu ambiente for quebrado, cada aulas se torna uma luta contra ferramentas em vez de aprender.

A maioria das pessoas esquece a configuração do ambiente, depois passa horas a depurar erros de importação, conflitos de versões e drivers de CUDA faltantes.

O conceito

Um ambiente de engenharia de IA tem quatro camadas:

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"]

Instalamos de baixo para cima. Cada camada depende da que está abaixo dela.

Construí-lo

Passo 1: Fundamento do Sistema

Verifique o seu sistema e instale o básico.

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

Passo 2: Python com UV

UsamosuvÉ 10-100 vezes mais rápido do que o pip e lida automaticamente com ambientes virtuais.

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

Verificar:

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)}")

Passo 3: Node.js com pnpm

Para aulas de TypeScript (agentes, servidores MCP, aplicativos 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)"

O instalador da fnm verifica se unzipPrimeiro e sai com Not installing fnm due to missing dependencies.Quando está ausente: no Linux desembaga um arquivo zip, no macOS instala através do Homebrew. macOS navios unzip; Ubuntu, Debian e WSL2 obtêm-no da linha apt do Passo 1 (sudo apt install -y unzipse você saltou esse passo).

macOS / Apple Silicon (M1/M2/M3/M4):Se o instalador parar com Error: Cannot install under Rosetta 2 in ARM default prefix (/opt/homebrew)O seu terminal está a funcionar sob a Rosetta 2 (archimpressões digitaisi386Instalhar o arm64 forçador fnm, acoplar-o ao seu shell, e depois reiniciar os comandos acima defnm install 22- Não .

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

Passo 4: Corrosão

Para aulas críticas ao desempenho (inferência, sistemas).

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

rustc --version
cargo --version

Passo 5: Julia (opcional)

Para aulas de matemática pesadas onde a Julia brilha.

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

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

Passo 6: Configuração de GPU (se você tiver um)

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):Não há CUDA num Mac que seja esperado, nem um fracasso.notPassagem .--index-url .../cuXXX(aquelas rodas são apenas Linux / Windows, então a instalação falha). Instale a construção simples, que inclui o backend da GPU MPS (Metal) da Apple:

bashuv pip install torch torchvision torchaudio

Verificar (funciona em qualquer 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)}")

Não há GPU? Não há problema. A maioria das aulas funciona em CPU. Para aulas pesadas de treinamento, use Google Colab ou GPUs em nuvem.

Passo 7: Verifique a rota que deseja iniciar

Execute todos os comandos nesta lição a partir da raiz do repositório, o diretório que

contém README.mdE ...phases/O pré-voo verifica apenas o que você precisa

O sistema de aprendizagem é um sistema de aprendizagem que permite que um aprendiz

Uma resposta clara em vez de um muro de advertências.

Comece a sequência completa de iniciantes:

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

Ou verifique apenas a rota que quiser:

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

Adicionar--show-laterQuando quiser o mesmo pré-voo para inspecionar ferramentas opcionais

Uma ferramenta posterior que falte nunca bloqueia a

rota selecionada.

Cada verificação necessária falhada inclui o caminho detectado ou o erro de importação e um

As habilidades dos agentes e as rotas de certificação também mostram

verifica manualmente o host porque um script Python não pode provar que um host de IA tem

Descobriu uma habilidade ou que o seu escopo de habilidade escolhido é escritível.

Quando o pré-voio iniciante passa, ele imprime a primeira lição correta:

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

Usá-lo

O seu ambiente está pronto para iniciar a rota que você verificou.

Quando uma lição pede por eles em vez de bloquear a sua primeira lição no todo

Aqui está o que você vai usar em todo o currículo:

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

Envia-o

Esta lição produz um script de verificação que qualquer um pode executar para verificar a sua configuração.

Veja .outputs/prompt-env-check.mdpara um prompt que ajuda os assistentes de IA a diagnosticar problemas ambientais.

Exercícios

Execute o script de verificação e corrija quaisquer falhas
Criar um ambiente virtual Python para este curso e instalar PyTorch
Escreva um "olá ao mundo" em todas as quatro línguas e execute cada uma

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.