返回资源列表

eugeneyan.com(Eugene Yan 个人博客) · Eugene Yan

Design Patterns in Machine Learning Code and Systems

能用常见设计模式的术语识别并组织机器学习代码与系统组件,借助 PyTorch、Pandas、Spark、scikit-learn、XGBoost 等库的既有接口写出更易复用和扩展的代码。

打开官方课程
难度
见前置条件
类型
博客与教程 · 文章
语言
en
规模
1 个课节
内容费用
免费
动手
打开即可学习

使用限制

无需账号,浏览器打开即可阅读全文;跟做示例只需本地安装相应开源库。

练习与作业
开课提示词尚未实际运行验证
  1. 选择学习环境

    浏览器或在线环境

    先通读全文了解各模式解决的问题,再逐个示例动手复现,把模式名称与库中的实际接口对应起来。

    阅读部分需自备能运行 Python 的环境以跟做示例;文章只用到各开源库,未提及额外账号或付费服务。

  2. 准备工具和账号

    标“选用”的可以跳过。

    • 浏览器阅读文章
    • Python 环境(含 PyTorch、Pandas、scikit-learn 等)选用运行文中代码示例

    运行费用:实践无额外费用,示例使用 PyTorch、Pandas、Spark、scikit-learn、XGBoost 等开源库,网页未提及需要付费云服务或 API。

  3. 让 AI Agent 一次搭好课程

    复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。

    开课提示词 · 只需用一次此提示词尚未实测验证
    请帮我把「Design Patterns in Machine Learning Code and Systems」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。
    开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。
    
    课程入口:https://eugeneyan.com//writing/design-patterns/
    我的系统:Windows。如果实际不符,先调整方案。
    本次路线:浏览器或在线环境。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。
    练习:文中每个模式都配了可运行的小段代码,建议在本地逐个复现,并尝试把工厂或策略模式套用到自己项目的数据加载或模型选择模块。
    课节(官方顺序):
    1. Design Patterns in Machine Learning Code and Systems:https://eugeneyan.com//writing/design-patterns/
    
    1. 环境
    - 浏览器
    - 可选:Python 3 环境与 pip 安装 PyTorch、Pandas、scikit-learn、XGBoost
    - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。
    2. 材料
    - 官方课程页面:只记录链接 https://eugeneyan.com//writing/design-patterns/
    3. 目录(最外层放在我确认的位置)
    design-patterns-ml-code-systems/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.md     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-design-patterns-in-machine-learning/
    - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。
    - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。
    4. 自检
    - 创建 check-env.md,逐项检查并记录“通过/未通过”:
    - 按浏览器或在线 notebook 清单检查,不为自检安装本机终端。
      - 打开 https://eugeneyan.com//writing/design-patterns/  → 页面正常显示正文与代码块,无需登录
      - python -c "from functools import lru_cache; f=lru_cache(None)(lambda n: n if n<2 else f(n-1)+f(n-2)); f(10); print(f.cache_info())"  → 输出 CacheInfo,含 hits 与 misses 字段
    - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。
    - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
    - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。
    5. 学习计划
    - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。
    - progress.md:每课三项勾选——读讲义、做练习、记笔记。
    6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。
    
    边界:
    - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
    - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
    - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。
    如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
    搭好后的课程目录
    design-patterns-ml-code-systems/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.md     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-design-patterns-in-machine-learning/
准备好了,开始学习

来源与使用须知

收录时间
本站首次收录 2026-10-21
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。