学习路径
直链速查
- dmls-book：https://github.com/chiphuyen/dmls-book
- Made With ML：https://madewithml.com/ · https://github.com/GokuMohandas/Made-With-ML
- LLMOps：https://www.deeplearning.ai/courses/llmops
- Serving LLMs：https://www.deeplearning.ai/courses/efficiently-serving-llms
- vLLM 短课：https://www.deeplearning.ai/courses/fast-and-efficient-llm-inference-with-vllm
- vLLM 项目：https://github.com/vllm-project/vllm
- 企业加餐（已质检）：https://tencent.udemy.com/course/generative-and-agentic-ai-in-production/
1. 建立地图（约 1～2 周碎片）
- 浏览 dmls-book 章节摘要（有书更好）
- 能用自己的话画出：数据 → 训练/微调 → 部署 → 监控 → 再迭代
自检：能否解释「训练集群」和「推理服务」不是一回事。
2. 走通一条生产向路径
跟 Made With ML：开发 → 部署 → 迭代（按站点当前大纲）。
目标：亲手碰一次「模型相关代码怎么进可重复流程」，不必一次求深。
3. 碰 LLM 时代的 Infra 切口（短课二选一或都上）
| 若你更关心… | 上 |
|---|---|
| 流水线 / 微调部署习惯 | https://www.deeplearning.ai/courses/llmops |
| 推理延迟、缓存、多用户 serving | https://www.deeplearning.ai/courses/efficiently-serving-llms |
| 开源引擎动手 | https://www.deeplearning.ai/courses/fast-and-efficient-llm-inference-with-vllm |
4. 可选动手
- 读 https://github.com/vllm-project/vllm 文档，能的话起最小 OpenAI-compatible 服务
- 中文补充：https://github.com/liguodongiot/llm-action
5. 企业加餐（可选）
AI Engineer Production Track — LLM/Agent 应用上线（Vercel→云、FastAPI 等），偏产品工程，不替代 1–3 的 Infra 地图。
学习笔记
（概念卡点、跟课笔记）