算法执行优化的机器学习辅助决策

📚 共计 30 章节

算法执行效率的瓶颈分析 · 机器学习辅助决策的价值 · 课程目标与学习路径

算法复杂度基础

时间复杂度与空间复杂度 · 大O表示法 · 常见算法复杂度分析

数据预处理优化

特征工程 · 数据清洗 · 归一化与标准化 · 降维技术（PCA）

监督学习模型选择

线性回归 · 决策树 · 随机森林 · SVM适用场景与性能对比

模型训练加速

梯度下降变体（SGD、Adam）· 批量训练 · 学习率调度策略

超参数调优

网格搜索 · 随机搜索 · 贝叶斯优化 · 自动化调参工具（Optuna）

特征选择与重要性分析

过滤法 · 包裹法 · 嵌入法 · SHAP值解释

可解释特征

集成学习优化

Bagging · Boosting · Stacking · 模型融合策略

集成强学习

深度学习推理优化

模型量化 · 剪枝 · 蒸馏 · ONNX与TensorRT部署

分布式训练基础

数据并行 · 模型并行 · 参数服务器架构

分布式并行

缓存与内存管理

LRU缓存 · 内存池 · 数据加载优化（DataLoader）

并行计算与向量化

NumPy向量化 · 多线程与多进程 · CUDA编程入门

算法调度策略

任务优先级 · 资源分配 · 动态调度算法

在线学习与增量更新

流式数据处理 · 模型在线更新 · 概念漂移检测

强化学习辅助决策

Q-Learning · 策略梯度 · 环境建模

贝叶斯优化实战

高斯过程 · 采集函数 · 超参数搜索案例

贝叶斯调参

图算法优化

图神经网络 · PageRank加速 · 图分割算法

搜索算法优化

A*算法 · 双向搜索 · 启发式函数设计

搜索启发式

排序算法优化

快速排序变体 · 外部排序 · 并行排序

动态规划优化

状态压缩 · 记忆化搜索 · 滚动数组技巧

贪心算法与近似算法

贪心策略证明 · 近似比分析 · 应用场景

随机化算法

蒙特卡洛方法 · 拉斯维加斯算法 · 随机化快速排序

字符串匹配优化

KMP算法 · Boyer-Moore · 多模式匹配（AC自动机）

字符串匹配

数据结构优化

跳表 · 布隆过滤器 · 并查集优化 · 线段树

GPU加速算法

CUDA核心概念 · 矩阵乘法优化 · 卷积加速

边缘计算与轻量级模型

TinyML · 模型压缩 · 端侧部署

自动化机器学习（AutoML）

神经架构搜索 · 自动化特征工程 · AutoKeras

LIME · SHAP · 决策树可视化 · 模型调试

性能监控与调优

Profiling工具（cProfile、PyTorch Profiler）· 瓶颈定位 · 持续优化

综合实战项目

从数据到部署的完整优化流程 · 案例复盘与最佳实践