The Full Stack

The Full Stack 提供面向 AI 产品构建者的免费课程、训练营和社区资源，覆盖从 prompt 或模型选择到部署、UX 与持续改进的实用路径。

概述

The Full Stack 是一个面向构建 AI 驱动产品的人士的新闻、社区和课程网站。其材料聚焦于将一个 AI 想法从模型选择或 prompt 设计，推进到生产部署、用户体验以及持续改进的实际工作。

该网站的主要课程包括 Deep Learning Course 和 LLM Bootcamp。Deep Learning Course 面向已经训练过一个或多个模型、希望从零开始构建 AI 驱动应用的人；而 LLM Bootcamp 则专注于 LLM 驱动应用的最佳实践和工具，并以免费录制讲座和课程材料的形式提供。

你可以学到什么

LLM 应用构建课程

LLM Bootcamp 涵盖 prompt 工程、增强语言模型、语言用户界面的 UX、LLMOps，以及一个一小时的应用上线演示。

完整 ML 生命周期主题

Deep Learning 课程涵盖围绕模型开发的工作流，包括基础设施、实验管理、故障排查、数据管理、部署、监控和伦理。

多个课程迭代版本

课程存档包含多个年份和形式，例如线上 cohort、Berkeley 训练营，以及由 UC Berkeley 和华盛顿大学主办的大学课程。

项目演示与工具示例

2023 年春季的 LLM Bootcamp 包含 askFSDL 的项目演示，并提供 Python 项目、ETL/数据处理、在 Modal 上部署以及使用 Gantry 监控的工具示例。

补充演讲与圆桌讨论

LLM Bootcamp 还包含受邀演讲，主题包括训练自己的 LLM、agents 以及 OpenAI 产品经验总结，从而提供更广泛的行业视角。

常见使用方式

LLM 应用入门
使用 LLM Bootcamp 学习构建 LLM 应用的实用步骤，从 prompt 工程和模型选择到 UX 和生产发布。
从模型训练走向产品工作
如果你已经掌握基础知识，并希望获得将模型落地为应用的更完整工作流，包括部署、监控和迭代，那么可以使用 Deep Learning Course。
回顾过去的课程材料
利用归档的课程迭代版本，按照往年结构化课程学习，包括线上 cohort 和大学主办版本。
学习实战实现示例
将项目演示和讲座材料作为构建真实应用的参考，包括数据处理、部署和监控模式。
向专家主导的课程学习
通过这些演讲和讲座，对比不同讲师和行业视角下关于 LLM、agents 和生产相关问题的做法。

Pros and Cons

Pros

覆盖 AI 驱动产品工作的完整生命周期，而不仅仅是模型训练。
将技术主题与部署、UX 和运维相关问题结合起来。
提供多种形式，包括在线、训练营和大学课程版本。
来源文本中注明材料可免费获取。
包含实用讲座、演示和项目导向内容。

Cons

来源未为每个课程迭代版本提供清晰的公开价格表或报名模式。
某些功能细节对应的是特定的训练营场次和归档课程材料，而不是单一标准化的产品页面。

FAQ

The Full Stack 是否可以免费访问？

The Full Stack 提供面向构建 AI 驱动产品的人士的免费课程和训练营材料，包括深度学习和 LLM 应用。课程网站说明这些材料可免费获取，并涵盖录制讲座和往期内容。

这些课程内容适合谁？

这些材料面向构建 AI 驱动产品的人士。LLM Bootcamp 说明其讲座旨在帮助具备 Python 经验的人开始构建 LLM 应用，并且拥有机器学习、前端或后端经验会有帮助。

这些课程采用什么形式？

网站描述了在线课程、线下训练营以及官方大学课程等多种形式。LLM Bootcamp 材料包含录制讲座，课程页面也注明了过往的在线和大学主办版本。

开始之前我需要什么背景？

开始前需要的背景取决于具体课程。LLM Bootcamp 页面说明，具备 Python 经验的人可以通过这些讲座准备开始构建 LLM 应用，而机器学习、前端或后端经验会有所帮助。Deep Learning 课程则被定位为适合已经训练过至少一个模型的人的下一步。

价格是多少？

定价页面列出了课程合集和不同版本，但所提供的来源没有显示清晰的定价结构、套餐限制或结账细节。现有文本主要强调这些材料是免费共享的。

Quick Facts

类别: AI 教育
主要形式: 在线课程、训练营和归档课程材料
受众: 构建 AI 驱动产品的人士
来源域名: fullstackdeeplearning.com
代表性产品: Deep Learning Course 和 LLM Bootcamp
可用性: 来源文本中提到的免费材料