工程师人工智能系统设计

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
级别：中级 |类型： 电子学习 |语言： 英语 |持续时间：36 个讲座（7 小时 5 分钟）

您将学到什么

• 从业务需求到可扩展架构，设计可投入生产的 AI 系统
• 使用 LLM、RAG、AI Agent、矢量数据库、Kafka、Redis 和 Kubernetes 架构 AI 应用
• 评估涉及可扩展性、可靠性、延迟、吞吐量和成本的权衡
• 为生产环境设计机器学习、自然语言处理和计算机视觉系统
• 构建可扩展的 AI 平台、推理系统、数据管道和分布式服务
• 将复杂的 AI 产品分解为可扩展的组件并传达架构决策
• 了解领先公司如何为数百万用户扩展 AI 系统
• 使用结构化框架为 AI 和 ML 系统设计面试做好准备

要求

• 了解软件工程基础知识、API、数据库和系统设计
• 机器学习、深度学习和 AI 工程工作流程的基础知识
• 在软件工程和人工智能概念方面拥有坚实的基础

描述

了解如何通过现实世界的架构案例研究来设计可投入生产的人工智能系统。本课程重点关注系统设计思维、可扩展性、可靠性和优化，而不是编码或实现。

您将学到什么

• 端到端人工智能系统设计和架构
• 可扩展的机器学习和法学硕士推理系统
• 使用 Kafka 的事件驱动型 AI 架构
• 矢量数据库、缓存和微服务
• 多代理和基于 LLM 的系统设计
• 流量扩展、延迟管理和成本优化

涵盖的案例研究

• Google 点击率预测系统
• HubSpot 用户集群系统
• Facebook 内容审核系统
• AI 语法检查 SaaS
• AI面试聊天机器人系统
• 智能停车系统
• 深度研究 AI 代理
• 自主旅行预订代理

本课程的期望

• 以架构和系统设计为重点的学习
• 真实生产人工智能案例研究
• 可扩展性、可靠性和工程权衡
• 深入了解主要科技公司使用的人工智能系统
• 面试和项目就绪系统设计技能

先决条件

• 基本软件工程概念
• 机器学习和深度学习基础知识
• 了解云和部署概念
• 熟悉 Docker；了解 Kubernetes 很有帮助

本课程适合谁

• 软件工程师转向人工智能工程
• 机器学习和人工智能工程师寻求更强的系统设计技能
• 为 AI 基础设施、法学硕士和可扩展的机器学习角色做准备的开发人员