VIP20
本课程属于：013-MLOps数据底座 数据工程与实时数据平台 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

MLOps数据底座搭建实战

📚 共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
数据底座概述
MLOps数据底座的定义、核心价值、与传统数据仓库的区别、典型应用场景。
定义价值场景
02
数据底座架构设计
分层架构（数据源层、存储层、计算层、服务层）、技术选型原则、高可用设计。
分层高可用选型
03
数据采集与接入
批式采集（Sqoop/DataX）、实时采集（Canal/Kafka）、数据源适配器设计。
批式实时适配器
04
数据存储选型
对象存储（MinIO/S3）、列式存储（HBase/Cassandra）、数据湖（Delta Lake/Iceberg）。
对象存储列式数据湖
05
数据目录与元数据管理
Apache Atlas、DataHub、元数据采集与血缘分析。
AtlasDataHub血缘
06
数据质量监控
Great Expectations、Deequ、数据质量规则引擎、异常告警。
质量规则引擎告警
07
数据安全与权限
Apache Ranger、Kerberos认证、数据脱敏、审计日志。
RangerKerberos脱敏
08
数据管道编排
Apache Airflow、Dagster、任务依赖与重试机制。
AirflowDagster重试
09
特征工程平台
特征存储（Feast）、特征计算、特征服务API。
Feast特征计算API
10
模型训练环境
MLflow Tracking、实验管理、GPU资源调度。
MLflow实验GPU
11
模型注册与版本管理
MLflow Model Registry、模型版本控制、模型部署策略。
注册版本部署
12
模型推理服务
Triton Inference Server、TorchServe、模型热加载。
TritonTorchServe热加载
13
模型监控与漂移检测
Evidently AI、WhyLabs、数据漂移与概念漂移。
漂移EvidentlyWhyLabs
14
CI/CD for ML
GitOps、Docker镜像构建、自动化测试流水线。
GitOpsDocker自动化
15
基础设施即代码
Terraform、Ansible、Kubernetes集群管理。
TerraformAnsibleK8s
16
日志与监控体系
ELK Stack、Prometheus + Grafana、自定义指标。
ELKPrometheusGrafana
17
数据备份与恢复
快照策略、异地容灾、数据一致性校验。
快照容灾一致性
18
成本优化
存储分层、计算资源弹性伸缩、Spot实例使用。
分层弹性Spot
19
多租户隔离
命名空间隔离、资源配额、计费计量。
隔离配额计费
20
数据湖仓一体
Lakehouse架构、Spark + Delta Lake实践。
LakehouseSparkDelta Lake
21
实时特征计算
Flink SQL、状态后端、Exactly-Once语义。
Flink状态后端Exactly-Once
22
模型A/B测试
流量路由、实验分组、指标评估。
A/B路由评估
23
自动化超参调优
Optuna、Hyperopt、贝叶斯优化。
OptunaHyperopt贝叶斯
24
模型可解释性
SHAP、LIME、特征重要性分析。
SHAPLIME重要性
25
联邦学习底座
FATE框架、安全聚合、隐私计算。
FATE安全聚合隐私
26
边缘MLOps
模型压缩、ONNX Runtime、边缘部署。
压缩ONNX边缘
27
数据版本控制
DVC、LakeFS、数据回滚。
DVCLakeFS回滚
28
合规与治理
GDPR、数据分类分级、审计合规。
GDPR分级审计
29
全链路追踪
OpenTelemetry、Span关联、性能瓶颈分析。
OpenTelemetrySpan性能
30
实战案例
从0到1搭建MLOps数据底座（电商推荐场景）。
电商推荐全流程