哈佛开源ML系统工程教科书
推荐指数 57.0 NO. 004 · 2026.07.03
Stars25,462
为什么值得看
哈佛边缘计算组发布《Machine Learning Systems》开源教材，覆盖从嵌入式到云端的AI系统工程全栈。2026年将出版MIT Press精装版，适合想补全"会训模型但不会部署系统"短板的工程师。
Machine Learning Systems
媒体预览
编辑判断
市面上讲模型训练的资料过剩，讲怎么把模型塞进资源受限设备、保证延迟和功耗的工程书几乎空白。这本书的TinyTorch实验框架直接对标MIT的6.5940课程，但代码更轻量，能在Arduino级设备跑通反向传播。
做端侧AI的团队现在普遍用TFLite Micro或CMSIS-NN，调试体验很差；这本书的Lab设计是先用Python原型验证，再逐步下沉到C++，这个梯度对硬件背景弱的软件工程师更友好。如果你正在从云端推理转向边缘部署，建议直接跳读第7章的内存管理和第11章的量化策略。
Star History
生态分析
Production
学术界主导的ML系统工程全栈开源教材，填补模型训练到部署的知识断层
独特价值：哈佛背书+MIT Press出版，覆盖嵌入式到云端ML系统工程的稀缺教材