01
决策模型概述
什么是智能决策 · 决策模型核心要素 · 模型生命周期管理
基础认知
02
问题定义与目标设定
业务问题→数学问题 · KPI指标设计 · 约束条件分析
目标框架
03
数据采集与特征工程
数据源选择 · 数据清洗 · 特征提取 · 特征选择方法
数据预处理
04
经典决策模型
线性回归 · 逻辑回归 · 决策树 · 随机森林 · SVM
模型监督
05
模型评估与选择
交叉验证 · 混淆矩阵 · ROC/AUC · 过/欠拟合诊断
评估验证
06
超参数调优基础
网格搜索 · 随机搜索 · 贝叶斯优化原理
调优搜索
07
贝叶斯优化实战
高斯过程 · 采集函数 · 调参案例 (XGBoost)
贝叶斯进阶
08
集成学习与堆叠
Bagging · Boosting · Stacking · Voting策略
集成组合
09
模型解释性
SHAP值 · LIME · 特征重要性 · 部分依赖图
可解释XAI
10
强化学习入门
马尔可夫决策过程 · Q-Learning · 策略梯度
RL序列
11
深度决策网络
DQN · DDQN · Dueling DQN · 策略网络
深度DRL
12
多目标优化
Pareto前沿 · NSGA-II · 加权求和法
优化多目标
13
时间序列决策
ARIMA · Prophet · LSTM预测与决策
时序预测
14
不确定性量化
蒙特卡洛Dropout · 贝叶斯NN · 置信区间
不确定性鲁棒
15
在线学习与自适应
Bandit算法 · 在线梯度下降 · 概念漂移检测
在线自适应
16
因果推断与决策
因果图 · Do-calculus · 反事实推理
因果推断
17
模型部署与MLOps
模型序列化 · API封装 · A/B测试 · 监控告警
部署MLOps
18
自动化机器学习
AutoML框架 · 神经架构搜索 · 超参数自动优化
AutoML自动化
19
联邦学习与隐私保护
横向联邦 · 纵向联邦 · 差分隐私 · 安全聚合
隐私联邦
20
可解释AI与公平性
公平性度量 · 偏见检测 · 反歧视约束
公平伦理
21
决策引擎设计
规则引擎 · 评分卡 · 决策树推理引擎
引擎推理
22
实时决策系统
流处理框架 · 特征存储 · 模型热更新
实时流式
23
模拟与仿真
蒙特卡洛模拟 · 离散事件仿真 · 数字孪生
仿真模拟
24
对抗鲁棒性
对抗样本生成 · 对抗训练 · 鲁棒优化
对抗鲁棒
25
元学习与少样本决策
MAML · 原型网络 · 度量学习
元学习少样本
26
图神经网络决策
GCN · GAT · 图分类与节点决策
图网络GNN
27
决策可追溯性
日志记录 · 决策路径回溯 · 审计合规
可追溯合规
28
大规模分布式训练
数据并行 · 模型并行 · 参数服务器
分布式训练
29
模型压缩与加速
量化 · 剪枝 · 蒸馏 · ONNX推理
压缩加速
30
综合实战项目
从业务到上线全流程：信贷风控/推荐系统/自动驾驶决策
实战全流程