【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载ai-infra-engineer-learning 是一套面向 2-4 年经验工程师的生产级 AI 基础设施工程师课程包含 10 大模块从基础环境到 LLM 基础设施、3 个实战项目和 500 小时学习内容。开始前用这份 Python、Docker、K8s 完整自测清单花 10 分钟测一测全对直接开学有缺项就知道该补哪里。课程速览你要学的是什么项目内容规模学习模块基础 → 云 → 容器 → K8s → 数据管道 → MLOps → GPU → 可观测性 → IaC → LLM 基础设施10 个模块实战项目模型服务、MLOps 管道、LLM 部署3 个项目考核每模块配套测验共 265 题全部带答案说明完整课程地图见 CURRICULUM.md零基础到入学的完整路径建议配合 README.md 一起看。Python 自测清单生产级写法过关了吗课程要求Python 3.9 中级水平推荐 3.11不是会写脚本而是能写生产代码。逐条打勾会用面向对象 类型注解type hints写清晰代码会写异步代码async/await能用 pytest 写单元测试覆盖率 80% 以上熟悉虚拟环境venv/conda和依赖管理理解装饰器、上下文管理器、生成器会用 dataclasses 或 Pydantic 做数据校验能自定义异常优雅处理错误一句话自测能不能独立搭一个带类型注解、异步接口、完整测试的 FastAPI 服务能 → 通过不能 → 重点复习函数、类和测试三件套。Docker 自测清单会 run 还不够容器化是 Module 03 的核心也是后续所有部署模块的地基能独立写 Dockerfile 构建镜像会用多阶段构建multi-stage压缩镜像体积会挂载数据卷volume、映射端口会用 Docker Compose 编排多容器应用理解容器网络bridge/host/overlay会设置 CPU、内存资源限制会用docker logs、docker exec、docker inspect排查问题了解容器安全基础只读文件系统、非 root 用户一句话自测能不能把 ML 模型服务打包成小于 500MB 的镜像并配好健康检查这是课程容器化模块的典型起点对应练习 exercise-01-dockerfile.md。Kubernetes 自测清单kubectl 玩得转吗K8s 是 Module 04 的重头戏也是生产部署的基本功能把应用部署到集群Deployment Service理解 Pod、Ingress 的关系会用 ConfigMap / Secret 管理配置和密钥会排查 Pod 问题kubectl logs、kubectl describe、kubectl exec理解 resources 的 requests 和 limits懂 K8s 网络基础能部署前端 后端 数据库多分层应用一句话自测能否把一个模型 API 部署到 K8s配上 HPA 自动扩缩容和 Ingress 外网访问课程第 104 模块的开篇练习 exercise-01-k8s-fundamentals 就是这个难度。其他技能速查容易被忽略的 6 项技能关键要求课程用途Linux/Unixgrep、sed、bash 脚本、systemd、SSH云与部署模块Git分支、合并变基、解决冲突、GitOps 概念全部模块尤其 IaC 与 CI/CD机器学习基础会训练模型、懂评估指标、能导出 checkpoint全部模块的地基API 开发FastAPI/Flask、鉴权、限流、自动文档模型服务类项目数据库复杂 SQL、索引优化、Redis 缓存数据管道与 MLOps监控Prometheus Grafana、结构化日志、告警可观测性模块完整清单和每项的自测题都在官方文档 PREREQUISITES.md 里比本文更细建议打印对照。硬件与环境开学前 5 分钟检查最低配置8GB 内存、20GB 可用磁盘推荐配置16GB 内存、50GB 磁盘有 GPU 更好本地实验用云账号至少一个大厂云账号免费额度即可建议三家都开必备工具Python 3.11、Docker、kubectl可配合 Minikube 本地集群、Terraform具体安装步骤和验证脚本见 GETTING_STARTED.md环境没装好前建议先完成 Exercise 01: 环境验证。评分标准多少分能直接开学按官方自测口径✅各项 85% 以上直接开学最顺畅⚠️各项 70% 以上可以开学但先补弱项❌任一方向低于 70%先补齐再入场否则会在 Module 101 卡住 一个实用信号试着完成每个模块的第一道练习如果都不费劲说明基础基本到位。没达标怎么办按背景对症补课你的背景可跳过必须补DevOps / SRELinux、Git、DockerML 基础、K8s 进阶、监控后端开发Python、Git、API、数据库Linux、ML 基础数据工程Python、数据库、监控ML 基础、K8sML / 算法ML 基础Linux、Git、Docker、K8s、监控官方给三条时间线供参考快速通道4-6 周基础较好、标准通道22-24 周系统补齐、在职通道44-48 周每周 10 小时。缺 Docker/K8s 的工程师大约需要 35 小时补齐这两块就能解锁容器化与编排模块。下一步三步正式开学对照 PREREQUISITES.md 完成逐项自测标记缺项按 GETTING_STARTED.md 装好环境跑一遍验证脚本进入第一站 Module 101: Foundations从 01-introduction.md 读起学有余力的同学可以提前刷一遍 Module 101 测验30 题70% 及格测验答案说明的查阅方式见 assessments/quizzes/answer-keys/README.md。结论很简单这份清单不是劝退而是帮你把 500 小时的学习路径走在最顺畅的轨道上。全部打勾那就打开 Module 101开工吧 赞分享【免费下载链接】ai-infra-engineer-learningAI Infrastructure Engineer Learning Track - Production ML infrastructure curriculum (2-4 years experience)项目地址https://gitcode.com/gh_mirrors/ai/ai-infra-engineer-learning点击查看免费下载相关推荐什么是 ai-infra-engineer-learning成为年薪 $120K AI 基础设施工程师的完整开源学习路线什么是 ai infra engineer learning成为年薪 $120K AI 基础设施工程师的完整开源学习路线 ai infra engineer当 AI 开始批量写综述引用可溯源就够放心了吗——科研伦理边界之辩当 AI 开始批量写综述引用可溯源就够放心了吗——科研伦理边界之辩 2026 年「AI 写综述」已经从演示变成了科研工作流里的日常操作。OpenRese人工智能AI Agent深度研究自主智能体Agent 编排系统瘦身必看Windows10Debloater会清除你的开始菜单磁贴吗实测结果与解决方案系统瘦身必看Windows10Debloater会清除你的开始菜单磁贴吗实测结果与解决方案 Windows10Debloater是一款专为Windows 1操作系统创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考