01
MLOps 概述
什么是MLOps · 为什么需要 · 与传统DevOps区别 · 核心原则
基础概念
02
版本控制工具 Git
基础概念 · 安装配置 · 常用命令 · 分支管理策略
Git协作
03
Python 环境管理
Anaconda/Miniconda · conda环境 · pip/requirements · 最佳实践
Python虚拟环境
04
Jupyter Notebook & Lab
安装启动 · 基本操作 · 魔法命令 · Git集成 · Lab新特性
交互Notebook
05
Docker 容器化基础
概念架构 · 安装 · 常用命令 · Dockerfile编写
Docker容器
06
Docker 进阶 & Compose
镜像优化 · 多阶段构建 · Compose编排 · 数据卷与网络
Compose进阶
07
实验跟踪 MLflow
MLflow简介 · Tracking · 参数/指标 · 模型注册管理
MLflow实验
08
数据版本控制 DVC
概念安装 · 数据追踪 · 远程存储 · 数据管道
DVC数据
09
特征存储 Feast
特征工程痛点 · Feast架构 · 特征定义检索 · 在线/离线
Feast特征
10
PyTorch 基础
张量自动求导 · 数据加载器 · 模型定义 · 训练循环
PyTorch框架
11
TensorFlow 基础
Keras Sequential · 编译训练 · 回调函数 · 保存加载
TensorFlowKeras
12
超参数调优 Optuna
Optuna简介 · 目标函数 · 搜索空间 · 可视化最佳实践
调优Optuna
13
工作流编排 Airflow
核心概念 · DAG定义 · 任务依赖 · 与MLflow集成
Airflow调度
14
工作流编排 Kubeflow
Pipelines · 组件管道 · Kubernetes集成 · 端到端ML
KubeflowK8s
15
模型服务化 Flask
Flask基础 · REST API · 模型加载预测 · 日志监控
FlaskAPI
16
模型服务化 FastAPI
FastAPI优势 · 异步处理 · 自动文档 · 性能选型
FastAPI高性能
17
TensorFlow Serving
Serving架构 · 模型版本 · gRPC/REST · 性能调优
TFServing部署
18
模型监控 & 漂移检测
数据/概念漂移 · 监控指标 · Evidently AI · 告警
监控漂移
19
CI/CD GitHub Actions
Workflow语法 · 矩阵构建 · 模型测试 · 部署云服务
ActionsCI/CD
20
CI/CD Jenkins
Pipeline语法 · Docker集成 · 构建部署 · 插件生态
Jenkins流水线
21
基础设施即代码 Terraform
Terraform基础 · Provider/资源 · 状态管理 · ML基础设施
TerraformIaC
22
Kubernetes 基础
Pod/Service/Deployment · kubectl · 部署ML模型
K8s基础
23
Kubernetes 进阶
Helm Charts · Ingress · HPA · 资源限制监控
K8s进阶
24
特征平台 Feast 进阶
离线存储 · 在线Redis · 高可用 · 训练管道集成
Feast进阶
25
模型注册 & 版本管理
MLflow Registry · 版本控制 · 阶段转换 · 回滚策略
注册版本
26
数据管道构建 Spark
Apache Spark · PySpark · 与DVC集成 · 大规模特征工程
Spark数据
27
A/B测试 & 实验设计
实验平台 · 流量分割 · 显著性检验 · 多臂老虎机
A/B实验
28
模型可解释性 SHAP & LIME
SHAP值 · 特征重要性 · LIME局部解释 · 业务案例
可解释SHAP
29
MLOps 安全与合规
数据隐私 · 模型攻击 · 访问控制 · 审计日志 · 合规
安全合规
30
端到端 MLOps 项目实战
需求分析 · 架构设计 · 工具选型 · 流水线 · 部署监控
实战综合