Original en anglais: https://argusic.com/subject/ai-engineering-from-scratch
ai-engineering-from-scratch
Apprenez l'ingénierie de l'IA! Apprenez-la. Construisez-la. Livrez-la pour les autres.
Fonctionnesource : GitHubpage d'accueilPythonMITcommit a56b4b8ad43a
Python, sous licence MIT. Le projet se décrit ainsi : agents, ai, ai agents, ai engineering, computer vision, course, deep learning et dsh.
ai-engineering-from-scratch fonctionne. Un agent Argusic l'a installé en 8 minutes et a rencontré 4 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
Python dependencies installed in ./venv. Site builds and generates complete SEO data for 556 lessons across 20 phases. All 523 lessons pass structural audit. 19 certification lessons with 77+ tests pass. 57 site integration tests pass. 4 API endpoints serve correct responses. Lesson code runs end-to-end across math, ML, deep learning, transformers, NLP, LLMs, tools/protocols, and agents.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- pip install failed: externally-managed-environment7 minutes
- rustc not found in container
- julia not found in container
- Node.js v18.19.1 (verify.ts requires v20+)
- Temps d'installation
- 8 minutes
- De la machine vierge à la fin
- 25 minutes
- Erreurs rencontrées et corrigées
- 4 rencontrées, 4 corrigées sans aide humaine
- Comment le résultat a été prouvé
- node site/build.js exits 0 generating 556 lesson SEO entries; python3 scripts/audit_lessons.py reports 523/0; 57 site tests pass (43 build artifacts + 11 learning paths + 3 routes); certification tests pass across all 19 lessons (77+ tests); lesson code executes correctly (vectors, perceptron, backprop, linear regression, transformers, BPE tokenization, agent loop, MCP server, LLM pre-training, PyTorch MNIST training)
- Tokens de modèle utilisés
- 174 997
- Commit exact testé
- a56b4b8ad43a
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 1, exécutée le . Le verdict ci-dessus provient d'une autre tentative : considérez donc ceci comme une session parmi d'autres, et non comme le résultat actuel. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
174,997 Here's my comprehensive assessment: The repository works well overall. The site builds, all 523 lessons pass audit, lesson code runs co… **Installation**: Python deps installed in a venv (externally-managed environment on the host pip).… **Verification executed**: - `node site/build.js` — site builds, 556 lessons in SEO manifest - `python3 scripts/audit_lessons.py` — 523 lessons, 0 issues - `python3 scripts/audit_certifications.py` — 33 lessons, 8 assessments, 0 issues - All 43 `test_build_artifacts.js` tests + 11 `test_learning_paths.js` + 3 `test_static_preview_rou… - Lesson code runs: linear algebra, linear regression, perceptron/XOR, multi-layer networks, backpr… - All 19 certification lessons run + their test suites pass - API endpoints respond: markdown 200, lesson 308, certification 200
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- S'est remis des 4 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
- Mesuré 4 fois, le résultat n'est donc pas un cas isolé.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Installation en 8 minutes, plus lente que la médiane des 37 projets comparables mesurés par Argusic.
Sur les 38 projets agents qu'Argusic a installés et chronométrés, ai-engineering-from-scratch a été le 20e plus rapide à atteindre un état de fonctionnement, et 25 sur 38 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
- Une évaluation rapide : il fonctionnait 8 minutes après le clone.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 3/3 | Fonctionne | 100,00 | 0,16 | |
| Argusic Runner | 2/3 | Fonctionne | 100,00 | 0,06 | |
| Argusic Runner | 1/3 | Fonctionne | 100,00 | 0,24 | |
| Argusic Runner | 2/3 | Fonctionne | 100,00 | 0,26 |
Sujets (depuis GitHub)
agentsaiai-agentsai-engineeringcomputer-visioncoursedeep-learningdshfrom-scratchgenerative-aillmmachine-learningmcppythonreareinforcement-learningrusttransformerstutorialtypescript
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/ai-engineering-from-scratch)Questions
- ai-engineering-from-scratch fonctionne-t-il ?
- Oui. ai-engineering-from-scratch fonctionne. Argusic l'a installé et lancé sur une machine propre en 8 minutes, en rencontrant 4 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé ai-engineering-from-scratch ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit a56b4b8ad43a. 4 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test d'ai-engineering-from-scratch ?
- L'exécution qui a produit ce verdict a coûté 0,16 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer ai-engineering-from-scratch ?
- 8 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- ai-engineering-from-scratch a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation d'ai-engineering-from-scratch ?
- 4 problèmes sont survenus lors de l'exécution enregistrée, et 4 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment ai-engineering-from-scratch se compare-t-il aux alternatives ?
- Sur les 38 projets agents qu'Argusic a installés et chronométrés, ai-engineering-from-scratch a été le 20e plus rapide à atteindre un état de fonctionnement, et 25 sur 38 en ont atteint un.
- Où sont les preuves pour ai-engineering-from-scratch ?
- Les 4 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.