准备环境：你需要什么？

在开始之前，先确认你的电脑上已经安装了以下基础工具。如果你是零基础，别担心，每一步都很简单。

• Python：一种编程语言，很多 AI 工具都用它。去 python.org 下载最新版本（建议 3.9 以上），安装时记得勾选“Add Python to PATH”。
• Docker：一个让软件在不同电脑上都能稳定运行的工具。去 docker.com 下载 Docker Desktop，安装后重启电脑。
• 代码编辑器：推荐 VS Code，免费又好用。去 code.visualstudio.com 下载安装。

安装核心工具：一步步来

1. 安装 Python 包管理工具 pip：打开终端（Windows 搜索“cmd”，Mac 搜索“终端”），输入 python --version 确认 Python 已安装。然后输入 pip install --upgrade pip 更新 pip。
2. 安装 MLflow：MLflow 是一个帮你记录实验（比如不同参数的效果）的工具。在终端输入 pip install mlflow，等待安装完成。
3. 安装 just：just 是一个让你用简单命令运行复杂操作的工具。在终端输入 pip install just（注意：如果报错，请先安装 Rust：curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh，然后重试）。
4. 验证 Docker：打开终端，输入 docker --version，看到版本号就说明安装成功。如果提示“command not found”，请重启电脑后再试。

跑通第一个项目：验证一切正常

现在我们来创建一个简单的机器学习项目，测试环境是否正常。

1. 创建项目文件夹：在桌面新建一个文件夹，取名 my-first-ml。用 VS Code 打开这个文件夹。
2. 创建 Python 虚拟环境：在 VS Code 的终端（快捷键 Ctrl+`）中输入 python -m venv venv，然后激活它：Windows 输入 venv\Scripts\activate，Mac/Linux 输入 source venv/bin/activate。
3. 安装机器学习库 scikit-learn：在终端输入 pip install scikit-learn。这个库包含了很多简单的机器学习模型。
4. 写一个简单的训练脚本：在文件夹中新建文件 train.py，复制以下代码：

   from sklearn.datasets import load_iris
   from sklearn.tree import DecisionTreeClassifier
   from sklearn.model_selection import train_test_split
   import mlflow
   
   mlflow.start_run()
   data = load_iris()
   X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2)
   model = DecisionTreeClassifier()
   model.fit(X_train, y_train)
   accuracy = model.score(X_test, y_test)
   mlflow.log_metric("accuracy", accuracy)
   mlflow.end_run()
   print("Accuracy:", accuracy)

5. 运行脚本：在终端输入 python train.py，如果看到输出“Accuracy: 0.9”之类的数字，说明一切正常！

下一步可以做什么

你已经成功跑通了第一个机器学习项目！接下来可以：

• 用 MLflow UI 查看实验记录：在终端输入 mlflow ui，然后浏览器打开 http://localhost:5000。
• 尝试用 Docker 打包你的项目：创建一个 Dockerfile，把环境固定下来，这样别人也能轻松运行。
• 学习更多：搜索“MLflow 入门”或“Docker 教程”，你会发现更多有趣的内容。

记住，AI 入门的关键是多动手尝试，遇到问题就搜索，慢慢就会熟悉起来。加油！