全链路实战课程 · 目录

01 课程导学与环境准备

全链路概念介绍 · 课程目标 · Python/Docker/VS Code 搭建与验证

02 数据采集与标注

公开数据集获取 · 爬虫基础 (Requests/Scrapy) · 数据清洗 · LabelImg 入门

03 探索性数据分析 (EDA)

Pandas & Matplotlib 实战 · 数据分布 · 缺失值与异常值处理

04 特征工程 (上)

数值型处理 (标准化/归一化/离散化) · 类别编码 (One-Hot/Label)

05 特征工程 (下)

文本特征 (TF-IDF/Word2Vec) · 时间序列特征 · 特征选择 (过滤/包裹)

06 模型选择与基线搭建

Scikit-learn 快速建模 · 线性/逻辑回归 · 评估指标 (准确率/F1/AUC)

07 树模型实战

决策树 · 随机森林 · XGBoost 调参 · 特征重要性分析

08 深度学习入门 (上)

PyTorch/TensorFlow 环境 · 张量操作 · 自动求导机制

09 深度学习入门 (下)

构建 MLP · 训练循环 · 过拟合与正则化 (Dropout/BatchNorm)

10 卷积神经网络 (CNN)

卷积/池化原理 · PyTorch 图像分类 (CIFAR-10)

11 RNN 与 LSTM

序列数据处理 · 情感分析实战 · 梯度消失问题

12 模型训练技巧

学习率调度 · 早停法 · 模型检查点 · 混合精度训练

13 模型评估与验证

交叉验证 · 混淆矩阵 · ROC曲线 · SHAP/LIME 可解释性

14 模型保存与加载

ONNX 转换 · TorchScript · 模型序列化最佳实践

15 模型部署基础

Flask/FastAPI REST API · Docker 容器化打包

16 云端部署 (AWS SageMaker)

模型上传 · 端点创建 · 自动缩放配置

17 边缘端部署 (TensorRT/NCNN)

模型量化 · 剪枝 · 树莓派/手机端运行

18 模型监控与日志

Prometheus + Grafana 监控 · ELK 日志收集

19 A/B测试与模型更新

线上 A/B 测试 · MLflow 版本管理 · 灰度发布

20 自动化机器学习 (AutoML)

AutoGluon/TPOT · 超参数自动搜索 (Optuna)

21 数据处理流水线 (Feature Store)

Feast 搭建 · 特征复用与一致性保证

22 分布式训练基础

PyTorch DDP · Horovod · 多GPU训练策略

23 大模型微调 (LoRA)

Hugging Face Transformers · LoRA 原理 · 指令微调实战

24 模型安全与公平性

对抗攻击防御 · 偏见检测 · 差分隐私简介

25 CI/CD for ML (MLOps)

GitHub Actions 自动化训练 · 测试与部署流水线

26 端到端项目实战 (上)

需求分析 · 数据收集 · EDA · 特征工程 · 模型训练

27 端到端项目实战 (中)

模型评估 · 优化 · 转换 · 容器化

28 端到端项目实战 (下)

部署到云 · 监控搭建 · A/B测试 · 文档编写

29 面试与职业发展

ML岗位面试题解析 · 项目经验包装 · 技术博客撰写

30 课程总结与未来展望

全链路知识图谱回顾 · MLOps趋势 · 学习路径推荐