第1月：计算机与Linux + Python系统能力打底

目标：能像 Infra 工程师一样“操作系统 + 写工程代码”

 Week 1：Linux核心能力

• • •  Day 1：Linux文件系统 / 目录结构
    •  Day 2：权限（chmod / chown / sudo）
    •  Day 3：进程 / 线程 / top / htop
    •  Day 4：内存 / swap / cache机制
    •  Day 5：IO模型（阻塞/非阻塞）
    •  Day 6：shell基础（bash语法）
    •  Day 7：练习：写10个系统监控命令脚本

 Week 2：网络基础（AI Infra必备）

• • •  Day 8：TCP/IP模型
    •  Day 9：HTTP/HTTPS
    •  Day 10：DNS解析流程
    •  Day 11：负载均衡原理
    •  Day 12：RPC vs REST
    •  Day 13：延迟 vs 吞吐
    •  Day 14：练习：抓包分析HTTP请求

 Week 3：Python工程能力

• • •  Day 15：Python OOP + dataclass
    •  Day 16：asyncio异步
    •  Day 17：FastAPI入门
    •  Day 18：logging系统设计
    •  Day 19：性能分析（cProfile）
    •  Day 20：多线程 vs 多进程
    •  Day 21：项目：写一个API服务

 Week 4：工程基础 + Git

• • •  Day 22：Git branch / rebase
    •  Day 23：CI/CD概念
    •  Day 24：Docker基础
    •  Day 25：Dockerfile写法
    •  Day 26：镜像优化
    •  Day 27：Compose
    •  Day 28–30：小项目：容器化API服务

第2月：云计算 + Docker + Kubernetes入门

Week 5：云计算基础

• • • Day 31：IaaS/PaaS/SaaS
    • Day 32：AWS/GCP/Azure概念
    • Day 33：VPC网络
    • Day 34：IAM权限系统
    • Day 35：S3/Blob存储
    • Day 36–37：练习云上部署服务

Week 6：Docker深入

• • • Day 38：镜像分层
    • Day 39：multi-stage build
    • Day 40：容器网络
    • Day 41：volume挂载
    • Day 42：安全扫描
    • Day 43–44：项目：ML模型Docker化

Week 7：Kubernetes基础

• • • Day 45：Pod / Deployment
    • Day 46：Service / Ingress
    • Day 47：ConfigMap / Secret
    • Day 48：HPA自动扩缩容
    • Day 49：kubectl调试
    • Day 50–51：部署一个API到K8s

Week 8：K8s进阶

• • • Day 52：Scheduler机制
    • Day 53：GPU Node基础
    • Day 54：DaemonSet / StatefulSet
    • Day 55：Helm
    • Day 56：日志系统
    • Day 57–60：项目：K8s部署ML服务

第3月：MLOps体系

Week 9：ML系统基础

• • • Day 61：训练/验证/推理流程
    • Day 62：数据pipeline概念
    • Day 63：feature engineering
    • Day 64：模型生命周期
    • Day 65–66：训练一个简单模型

Week 10：MLOps工具

• • • Day 67：MLflow
    • Day 68：W&B
    • Day 69：模型注册
    • Day 70：实验追踪
    • Day 71–72：实验对比系统

Week 11：数据工程

• • • Day 73：Airflow DAG
    • Day 74：ETL pipeline
    • Day 75：Spark基础
    • Day 76：数据版本管理（DVC）
    • Day 77–78：构建数据pipeline

Week 12：部署体系

• • • Day 79：模型API服务
    • Day 80：灰度发布
    • Day 81：A/B testing
    • Day 82：监控指标
    • Day 83–90：项目：完整MLOps pipeline

第4月：GPU + 分布式训练（AI Infra核心）

Week 13：GPU基础

• • • Day 91：GPU vs CPU
    • Day 92：CUDA架构
    • Day 93：显存机制
    • Day 94：batch size影响
    • Day 95–96：PyTorch GPU训练

Week 14：分布式训练

• • • Day 97：DDP原理
    • Day 98：AllReduce
    • Day 99：梯度同步
    • Day 100：NCCL通信
    • Day 101–102：多GPU训练

Week 15：高级训练策略

• • • Day 103：model parallelism
    • Day 104：pipeline parallelism
    • Day 105：DeepSpeed
    • Day 106：FSDP
    • Day 107–108：大模型训练模拟

Week 16：GPU调度

• • • Day 109：K8s GPU scheduling
    • Day 110：NVIDIA GPU Operator
    • Day 111：MIG / vGPU
    • Day 112：资源隔离
    • Day 113–120：项目：多GPU训练平台

第5月：LLM Infra（最关键）

Week 17：LLM基础系统

• • • Day 121：Transformer结构
    • Day 122：tokenization
    • Day 123：KV cache
    • Day 124：attention优化
    • Day 125–126：跑开源LLM

Week 18：推理系统

• • • Day 127：batching策略
    • Day 128：latency优化
    • Day 129：throughput优化
    • Day 130：quantization
    • Day 131–132：INT8/FP16实验

Week 19：LLM Serving

• • • Day 133：vLLM架构
    • Day 134：Triton Inference Server
    • Day 135：TensorRT-LLM
    • Day 136：API Gateway设计
    • Day 137–138：部署LLM服务

Week 20：RAG系统

• • • Day 139：embedding pipeline
    • Day 140：vector DB（Milvus）
    • Day 141：retrieval策略
    • Day 142：rerank
    • Day 143–150：RAG完整系统

第6月：系统设计 + 高级AI Infra

Week 21：AI系统设计

• • • Day 151：设计LLM服务系统
    • Day 152：设计训练平台
    • Day 153：设计推理平台
    • Day 154：多租户架构
    • Day 155–156：画架构图

Week 22：可观测性

• • • Day 157：Prometheus
    • Day 158：Grafana
    • Day 159：OpenTelemetry
    • Day 160：日志系统
    • Day 161–162：监控AI服务

Week 23：性能 + 成本优化

• • • Day 163：GPU利用率优化
    • Day 164：batch tuning
    • Day 165：spot instance
    • Day 166：autoscaling
    • Day 167–168：成本优化项目

Week 24：终极项目周（很关键）

• • • Day 169–175：做一个完整系统：

终极项目：“LLM Infra Platform”，包含：

• • • Kubernetes GPU集群
    • vLLM推理服务
    • RAG系统
    • 监控系统
    • 自动扩缩容