【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 AI 基础设施学习路径10 个完整模块、3 个生产级项目、500 小时学习内容。很多人不敢开始是怕云账单失控——其实完全没必要。本指南带你用 AWS、GCP、Azure 三家的免费额度Free Tier Spot 实例以接近零成本跑完全部课程顺便练出大厂面试最爱考的 FinOps 省钱技能。为什么说零成本学完是可行的先看清成本结构你就知道钱到底花在哪维度数据模块10 个基础 → 云 → 容器 → K8s → 数据管道 → MLOps → GPU → 监控 → IaC → LLM项目3 个模型服务、MLOps 流水线、LLM 部署平台学习内容207 个文件、约 95,000 行代码CURRICULUM.md 有完整目录关键点约 80% 的内容只需要本地 Docker/Kuberneteskind、minikube一分钱云费用都不产生。真正消耗云资源的只有模块 02 云计算在三大云上动手部署模块 07 GPU 计算和项目 103 LLM 部署可选 GPU官方估算全程 GPU 花费仅 $50-150课程官方明确写道All learning materials can be completed within free tier limits详见 README.md。三大云免费额度速查表选一个入门云厂商免费额度有效期适合练什么️ AWS750 小时/月 t2.micro 5GB S3 750 小时 RDS12 个月模块 102 Lab 01、IaCTerraform☁️ GCP$300 代金券90 天到期后仍有长期免费层入门首选额度最慷慨 Azure$200 代金券 12 个月免费服务30 天代金券企业场景、AKS 课程 FAQ 的建议不确定选哪个就先用 GCP免费额度最宽裕或者选 AWS业界使用最广。GETTING_STARTED.md 已写好每家云的注册步骤和 CLI 安装命令照抄即可。注册时务必做两件事后面会省钱在控制台设置账单告警建议 $10 / $25 / $50 三档建好资源后给每个资源打标签Environment/Project后面 FinOps 练习会用到零成本学习路线哪些模块纯本地做把花钱模块和免费模块分开规划是零成本的关键阶段模块环境云费用1101 基础、103 容器、104 K8s本地 Docker kind/minikube 02105 数据管道Airflow/Spark/Kafka 本地跑、106 MLOps、108 监控本地 docker-compose 03102 云计算、109 IaC云免费额度GCP $300 券足够 0额度内4107 GPU、项目 103 LLM 部署按需 GPU Spot 实例 50-150可压到更低本地 K8s 集群搭法见 lab-03-local-kind-cluster.mdAWS 上的第一个 ML 环境VPC S3 EC2 ALB全程用免费层机型 t3.small见 lab-01-aws-ml-infra.md容器、K8s 模块入口mod-103-containerization、mod-104-kubernetesSpot 实例省钱指南核心是 60-90% 的折扣SpotAWS/ PreemptibleGCP、Azure实例是云厂商出售的闲置算力 比按需On-Demand便宜60-90%⚠️ 代价可能被回收GCP 给 30 秒预警✅ 正确姿势只跑可中断的工作负载——带检查点checkpointing的训练任务、批处理。推理服务要跑按需或预留实例。课程 08-multi-cloud-cost-optimization.md 里专门有一节 Spot 训练集群多可用区 Spot Fleet 每 100 步存一次检查点到 S3中断了自动从检查点恢复中断就不再是事故。GPU 到底贵多少exercise-11-gpu-cost-optimization 里给了张参考价表按需 vs SpotGPU按需 $/小时Spot $/小时H100 80GB$4.10~$1.60A100 80GB$2.90~$1.10A100 40GB$2.10~$0.80L4$0.90~$0.35T4$0.35~$0.15换算一下用 A100 Spot 跑 8 小时/天的训练比按需每月能省几百美元。而整个课程用到的 GPU 总量官方估算$50-150 即可覆盖README.md用 Spot 用完即停还能再砍一半。5 个云预算习惯避免免费变超额这些习惯直接来自 GETTING_STARTED.md 的学习建议也是生产环境的标准操作账单告警三档$10 / $25 / $50触发即检查用完即删练习结束就停掉 EC2/GCE别让它 7×24 空转自动关机策略可再省 50-75%Right-Sizing先跑最小规格看监控再升配——课程里明确写了❌ 8 vCPU/32GB 是浪费✅ 2 vCPU/4GB 才合理本地优先能用 docker-compose / kind 解决的绝不拉云上资源别买预留实例学习阶段Reserved Instances 适合 7×24 生产推理不适合时断时续的学习负载省钱本身就是课程考点内置的 FinOps 实践这套课程最妙的地方省钱的技巧不是课外贴士而是正式作业。学完你简历上能写FinOps 实践经验 Multi-Cloud Cost Analyzer写工具自动对比 AWS/GCP/Azure 三家价格并给出优化建议免费账号就能做 FinOps Automation每天拉取云账单、找出闲置 GPU利用率 5% 连续 7 天自动告警、生成周报 GPU Cost Optimization Playbook针对 5 类典型 ML 负载决策什么时候用 Spot、什么时候用预留、什么时候上 MIG目标是比永远开 H100省 40% 以上零成本学完清单 ✅注册 GCP激活 $300 代金券或 AWS 12 个月免费层三档账单告警设置完成本地 Docker kind 集群跑通模块 101-104 全本地完成模块 102 的 4 个 Lab 在免费额度内做完资源用完即删阶段 4 的 GPU 任务全部走 Spot checkpoint完成 FinOps 练习Cost Analyzer GPU 成本优化 Playbook结课自检整段学习云账单 ≤ $50用 Spot 的话可以更低照着这条路线500 小时的 AI 基础设施课程云费用可以控制在三位数美元以内甚至接近零——而真正值钱的是你顺手练出来的成本优化能力。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Wand-Enhancer 免费补丁工具三步去掉 Wand 修改器两小时倒计时不用订阅Wand Enhancer 免费补丁工具三步去掉 Wand 修改器两小时倒计时不用订阅 Boss 打到一半Wand 弹出「免费时间已用完」——修改器变灰、桌面应用前端ai53_19/garbage_datasets与AWS Fargate Spot节省容器成本ai53_19/garbage_datasets与AWS Fargate Spot节省容器成本 一、垃圾分类训练的成本困境 你是否正在为垃圾分类模型的训练成本数据集计算机视觉Alist 播放 TS 视频卡顿、进度条不动3 步用 WebDAV 流畅看片Alist 播放 TS 视频卡顿、进度条不动3 步用 WebDAV 流畅看片 当你点开 Alist 文件列表里的一段 TS 录像画面过了好几秒才出来把进度后端文件存储创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考