近日，斯坦福大学宣布开设一门全新课程：CS 329S《机械进修零碎计划》。
课程主页：https://stanford-cs329s.github.io/
这门课程的主讲人、计算机科学家 Chip Huyen 也在推特上认真宣传了一波（很多人应该都读过她的博客文章，因为这位小姐姐确实很有名气）。
机械进修零碎计划的概念是指，为了满足特定要求，针对机械进修零碎对软件体系架构、基础架构、算法和数据进行定义的过程。虽然现有的零碎也可以满足大部分模型搭建的需求，但我们必须承认：首先，工具空间是不断革新的；其次，交易需求是不断变化的；最后，数据分布也是持续更替的。因此，「零碎」是很容易过时的。如果不能及时更新，那么出错、崩溃都是可以预料的。这也是本门课程开设的初衷。
本门课程旨在为现实中的机械进修零碎提供一个迭代框架，该框架的标的是构建一个可布局、可信赖、可扩展的零碎。首先要考虑的是每个 ML 项目的利益相关者及标的，不同的标的则需要不同的计划挑选，且要考虑如何权衡。
课程涵盖了从项目界定、数据管理、模型开发、布局、基础架构、团队架构到交易分析的所有步骤，在每个步骤中，都会探讨不同解决方案的动机、挑战和局限性。在课程的最后一部分，将会探讨机械进修生产生态零碎的未来。门生们还将进修关于隐私、公平、安全方面的常识。
进修这门课程的门生应该满足以下条件：
具备基本的计算机科学原理和技能常识，能够编写一般的计算机程序（比如完毕了 CS106B / X 等课程）；
对机械进修算法有着良好的掌握（比如完毕了 CS229、CS230、CS231N、CS224N 等课程）；
熟悉至少一个框架，比如 TensorFlow，PyTorch，JAX；
熟悉基本的概率论（比如完毕 CS109 或 Stat116 等课程）
鉴于大多数课程都会使用 Python，因此也建议挑选这门课程的门生了解一点 Python 常识。
这门课程没有教科书，主要依赖于课堂讲义和一些阅读材料。课程视频都会被录制保存，目前仅开放给校内门生，暂未决定是否公开发布。
讲师介绍
课程讲师 Chip Huyen 来自越南，是一位作家和计算机科学家，本科和硕士均就读于斯坦福大学计算机科学专业，此前曾在英伟达、Netflix 等公司工作。Chip Huyen 开设过一些受欢迎的课程，比如《TensorFlow for Deep Learning Research》，在 GitHub 平台也有很多热点项目。
Chip Huyen 主页：https://github.com/chiphuyen
此前，Chip Huyen 还撰写过很多热点文章，比如《机械进修零碎计划指南》、《十大优质免费机械进修课程资源》、《202 个热点机械进修工具评测》等教程。
课程提纲
最后我们来了解一下课程进度。根据现有计划，课程提纲如下（具体以实际讲课情况为准）
第 1 周：机械进修零碎计划概述
何时使用机械进修
研究中的机械进修与生产中的机械进修
机械进修零碎与传统软件
机械进修生产中「虚构」的那些事儿
机械进修应用
Case Study
第 2 周：迭代过程
好的机械进修零碎的原理
迭代过程
计划范围
第 3 周：数据管理
现实世界的数据挑战
如何收集、存储和处理海量数据
数据 pipeline 的不同层
数据处理器 & 显示器
数据控制器
数据存储
数据提取：数据库引擎
第 4 周：创建训练数据集
特征工程
数据标签
数据泄露
数据分区、切片和采样
第 5 周：构建和训练机械进修模型
Baseline
模型挑选
训练、调试和实验跟踪
分布式训练
评估和基准
AutoML
第 6 周：布局
推理约束
模型压缩与优化
训练服务偏差
概念漂移
服务器端 ML & 客户端 ML
缓释策略
布局评估
第 7 周：项目节点讨论
道德问题
第 8 周：监控及维护
监控内容
指标、日志记录、标签、警报
更新和回滚
迭代改进
第 9 周：硬件和基础架构
架构挑选
硬件计划
边缘设备
云私人数据中心
高性能计算的未来
第 10 周：将 ML 整合到交易中
模型性能与交易标的与用户体验
团队架构
为什么机械进修项目会失败
最佳实践
机械进修生产现状
目前完毕讲课的部分均已上传笔记和 PPT 资料，需要的自取：
传送门：https://stanford-cs329s.github.io/syllabus.html