返回信息流现在在北美主要看英文材料，介绍一下看的内容。
1 Design machine learning system chip。 这本书介绍了machine learning 在实际项目中的应用。包括特征工程，训练，部署，数据漂移，团队分工等等。作者本身是这方面从业人员。
2 AI Engineering 主要针对大模型的架构，评估，提示词， Agent, Rag做了说明，以及数据工程, inference 优化。做了说明。
3有一本Optimizing LLM performance，用作inference优化。
4 Generative AI with Langchain。LangChain位Rag 和Agent开发提供了方便的接口，对不同模型的API调用做了封装。
5 Hands on Large Language Models. 以及斯坦福的 build a large language model from scratch.
6 Fundamentals of data engineering. Machine learning 需要ETL提供数据信息。因此data engineer的技能也在工程中需要。
7 How to build a career in AI。吴恩达，我还没看。
8 Natural langugge processing with Transformers. 讲了transformer的使用，微调和部署。
9 Practical statistics for data scientist,introduction of statistical learninig_First_Printing, Pattern Recognition and Machine Learning, mathematics for machine learning , the Elements of statistical learning,Convex Optimization, 贝叶斯数据分析， 统计推断. 这些是基础。
10 standford 的data mining 附带的作业练习spark使用, cs 224n Manning 的自然语言处理。
11 对于Rag， 理论书籍：An introduction of information retrieval.实践书籍： a simple guide to RAG.
12 Build an Agent from scratch.以及Open AI 的相关文档。
13 Cresta 关于guardRail 的内容：https://cresta.com/blog/crestas-three-strategic-pillars-of-ai-agent-defense-for-enterprise-security-and-compliance
14 职业发展：Staff Engineer PDF， The Mythical Man-Month 2nd Edition, The Pragmatic Programmer
先到这里吧。暂时没有时间组织一个群了。我也在快速学习中。
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #39454同步于 2025/10/8
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
机器学习微信群在清缓存后找不到了，有同学私信问我AI 工程化资
hitch
2025/10/8镜像同步7 回复
订阅后，新回复会通过你的通知中心匿名送达。
7 条回复
有同学咨询我学习入门方法。我真不懂。以下几个小提示。1 看斯坦福课件和视频课程，教授会有推荐。2看厂商产品的blog，虽然现在都close ai，多少能看到些内容。以及招聘工作的岗位要求。3向ai学习ai。对于一些疑问可以直接问deepseek或者open ai. 4aws以及azure的英文产品文档，在懂得基础知识后，能帮你轻松上手。