Phase 00: Setup & Tooling

Dev Çevre

Type: Build

Languages: Python, Node.js, Rust

Prerequisites: None

Time: ~45 minutes

Öğrenme Hedefleri

• Python 3.11+, Node.js 20+ ve Rust araç zincirlerini sıfırdan kur
• Tekrarlanabilir yapılandırmalar için sanal ortamları ve paket yöneticilerini yapılandır
• CUDA/MPS ile GPU erişimini doğrulayın ve test tenzor işlemini çalıştırın
• Dört katmanlı yığını anlayın: sistem, paketler, çalıştırma zamanları, AI kütüphaneleri

Sorun

Python, TypeScript, Rust ve Julia'yı kullanarak 500+ ders boyunca AI mühendisliği öğrenmek üzeresiniz. Eğer çevrenizin bozulursa, her ders öğrenmek yerine araçlarla mücadeleye dönüşür.

Çoğu insan çevre ayarını atlıyor, sonra saatlerce import hatalarını, sürüm çatışmalarını ve kayıp CUDA sürücülerini düzeltmeye çalışıyor.

Anlaşım

Yapay zeka mühendisliği ortamı dört katman içerir:

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"]

Her katman altındaki katmanlara bağlı.

Yapın

Adım 1: Sistem Temel

Sistemini kontrol et ve temel şeyleri yükle.

bashCopy# 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

Adım 2: UV ile Python

Kullanıyoruz .uv pip'ten 10-100 kat daha hızlı ve sanal ortamları otomatik olarak ele alır.

bashCopycurl -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

Kontrol edin:

pythonCopyimport 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)}")

Adım 3: pnpm ile Node.js

TypeScript dersleri için (ajanlar, MCP sunucular, web uygulamaları).

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

npm install -g pnpm

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

Fnm yükleyici kontrol ederunzipİlk ve sonra çıkış .Not installing fnm due to missing dependencies.yokken: Linux'ta zip arşivini açar, MacOS'ta Homebrew üzerinden yükler. macOS gemileri unzip; Ubuntu, Debian ve WSL2 bunu Adım 1 apt satırından al (sudo apt install -y unzipEğer bu adımdan atlamışsanız).

macOS / Apple Silicon (M1/M2/M3/M4):Eğer yüklemeci Error: Cannot install under Rosetta 2 in ARM default prefix (/opt/homebrew)... terminaliniz Rosetta 2 altında çalışıyor .archParmak izii386HomeBrew, yerel bir arm64 yapılandırması iken, fnm zorlayıcı arm64'i yükle, kabloya bağla, sonra yukarıdaki komutları tekrar çalıştır.fnm install 22- ...

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

Dördüncü adım: Kırmızı

Performans kritik dersleri için (sürekli, sistemler).

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

rustc --version
cargo --version

Adım 5: Julia (Önlü)

Julia'nın parladığı ağır matematik dersleri için.

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

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

Adım 6: GPU Kurulum (Biriniz varsa)

NVIDIA (Linux / Windows):

bashCopynvidia-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):Mac'de beklenen CUDA yok, başarısızlık yok.notGeçit .--index-url .../cuXXX(o tekerlekler sadece Linux/Windows'dur, bu yüzden kurulum başarısız olur).

bashCopyuv pip install torch torchvision torchaudio

Verify (herhangi bir platformda çalışır):

pythonCopyimport 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)}")

Bir GPU yok? Sorun yok. Çoğu ders CPU'da çalışır. Eğitim ağır dersler için Google Colab veya bulut GPU'ları kullanın.

Adım 7: Başlamak istediğiniz rotayi doğrulayın

Bu dersdeki her komutu deposu kökü, dizini,

içerirREADME.mdve phases/Uçuş öncesi kontrol sadece ihtiyacınız olan şeyi .

Seçilen yolu başlatır. Öntanımlı olarak daha sonraki araçları atlar böylece yeni öğrenci

Bir duvar uyarı yerine açık bir cevap.

Tam başlangıç dizisini başlat:

bashCopypython3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner

Ya da sadece istediğiniz yolu kontrol edin:

bashCopypython3 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

Ekle--show-laterAynı uçuş öncesi araçları kontrol etmek istediğinizde

Kayıp bir sonraki araç asla

Seçilen rota.

Her başarısız gerekli kontrol, tespit edilen yol veya ithalat hatası ve

Ajan yetenekleri ve sertifika yolları da gösterir

Python scriptinin bir AI host'ın sahip olduğunu kanıtlayamadığı için manuel host kontrolleri

Bir beceri keşfetmişsin ya da seçtiğin beceri alanının yazılabilir olduğunu.

İlk uçuş öncesi uçuş geçince, tam olarak ilk ders yazdırır:

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

Kullan

Çevre kontrol ettiğiniz rota başlatmak için hazır.

Bir dersin ilk dersini tamamen engellemek yerine, onlardan istediklerinde

İşte tüm programda kullanacağınız:

Gönder

Bu ders, herkesin ayarlarını kontrol etmek için çalıştırabileceği bir doğrulama senaryosunu üretir.

Bakın .outputs/prompt-env-check.mdYapay zeka asistanlarının çevre sorunlarını teşhis etmesine yardımcı olan bir istek için.

Egzersizler

1. Doğrulama senaryosunu çalıştır ve herhangi bir hataları düzelt
2. Bu ders için Python sanal ortamı oluşturun ve PyTorch yükleyin
3. Dört dilde "hello world" yaz ve her birini çalıştır

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.