边缘AI概述
什么是边缘AI、边缘AI vs 云端AI、典型应用场景：智能家居·工业视觉·自动驾驶。
模型版本管理基础
为什么需要版本管理、核心概念（版本号、基线、标签）、常见工具对比：Git、DVC、MLflow。
Git在模型管理中的应用
Git LFS大文件存储、子模块管理模型仓库、标签与分支策略。
DVC数据版本控制
DVC安装与初始化、管理数据集和模型文件、与Git协同工作流。
MLflow实验跟踪
Tracking组件、记录参数/指标/模型、UI可视化对比实验。
模型元数据管理
什么是元数据、字段设计（训练数据、超参数、硬件）、存储方案（JSON/YAML/数据库）。
模型格式与序列化
常见格式（ONNX、SavedModel、TorchScript）、序列化最佳实践、跨平台兼容。
模型量化与压缩
量化原理(FP32→INT8)、剪枝、知识蒸馏、量化后版本标记策略。
模型签名与完整性校验
哈希校验(SHA256)、数字签名、防止模型被篡改机制。
模型仓库搭建
私有仓库(MinIO/Nexus)、公有云(S3/OSS)、目录结构设计。
模型版本命名规范
语义化版本(SemVer)、日期+构建号、自定义规则、团队协作规范。
模型发布流程
从训练到发布标准化流程、审批机制、灰度发布与回滚策略。
边缘设备适配
不同芯片架构(ARM/x86/RISC-V)版本管理、算子兼容性、硬件抽象层映射。
模型测试与验证
单元测试(输入输出一致性)、集成测试、性能基准(延迟/吞吐量)。
持续集成/持续部署
GitHub Actions自动化训练、模型构建流水线、自动版本号递增。
模型注册中心
MLflow Model Registry、Hugging Face Hub、自定义注册中心、状态管理(Staging/Production)。
模型依赖管理
运行时依赖(Python包/系统库)、Docker容器化版本管理、环境锁文件。
模型回滚机制
版本回退策略、A/B测试与金丝雀发布、回滚后数据一致性保证。
模型监控与漂移检测
数据漂移、概念漂移、性能退化报警、自动触发重训练。
多模型管理
模型集成(Ensemble)版本管理、模型分片(Sharding)、多任务版本协调。
联邦学习中的版本管理
全局与本地模型版本同步、差分隐私版本标记、聚合策略版本记录。
模型安全与合规
版本审计日志、访问控制(RBAC)、合规检查(GDPR/HIPAA)、模型溯源。
边缘端OTA升级
OTA架构设计、增量更新(Delta Update)、断点续传与校验、失败回滚。
模型缓存策略
边缘端缓存机制、LRU/LFU淘汰、缓存与版本映射关系。
模型版本兼容性
向前/向后兼容、API版本管理、输入输出Schema版本控制。
大规模模型管理
千级模型版本挑战、搜索过滤机制、批量操作与标签管理。
模型生命周期管理
从开发到退役全生命周期、退役策略、归档与清理机制。
团队协作最佳实践
多人协作版本冲突解决、Code Review for Models、模型评审流程。
工具链集成
Kubeflow、Kserve、Triton Inference Server版本管理集成、端到端平台搭建。
案例实战
从零搭建边缘AI模型版本管理系统、智能门锁人脸识别迭代、总结与展望。