所属分类：AI大模型与智能应用 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

从数据采集到模型上线:完整训练课程

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
课程导入
学习目标 · 课程结构 · 从数据到模型上线的全流程概览
课程导入学习目标
02
数据采集基础
数据来源类型（公开数据集 · API · 爬虫
数据采集基础数据来源类型
03
网络爬虫实战
使用Requests和Beautif… · 处理分页 · 请求头
网络爬虫实战Requests
04
API数据获取
调用RESTful API（认证 · 速率限制 · 分页）
API数据获取
05
数据存储与格式
文件存储（CSV · JSON · Parquet）
数据存储格式
06
数据清洗基础
处理缺失值（删除 · 填充 · 插值）
数据清洗基础处理缺失值
07
数据变换与特征工程
标准化/归一化 · 编码分类变量（One-Hot · Label）
数据变换特征工程
08
探索性数据分析（EDA）
使用Pandas和Matplotli… · 相关性 · 分组对比分析
EDA探索性数据分析
09
数据可视化进阶
交互式可视化（Plotly · Bokeh） · 多维数据可视化（降维
数据可视化进阶Plotly
10
数据划分与预处理流水线
训练集/验证集/测试集划分（分层抽样 · 时间序列划分） · 构建可复用的预处理Pipeline（…
数据划分预处理流水线
11
机器学习基础
监督学习（回归 · 分类） · 无监督学习（聚类
机器学习基础监督学习
12
线性模型实战
线性回归 · 逻辑回归 · 正则化（Ridge
线性模型实战线性回归
13
树模型实战
决策树 · 随机森林 · 梯度提升树（XGBoost
树模型实战决策树
14
支持向量机与核方法
SVM分类/回归 · 核函数选择 · 参数C和gamma的影响
支持向量机核方法
15
神经网络入门
感知机 · 多层感知机（MLP） · 激活函数
神经网络入门感知机
16
深度学习进阶
卷积神经网络（CNN）用于图像 · 循环神经网络（RNN/LSTM）用于… · Transformer基础
深度学习进阶CNN
17
模型训练技巧
学习率调度 · 批量大小 · 正则化（Dropout
模型训练技巧学习率调度
18
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化（Optuna）
超参数调优网格搜索
19
模型评估与选择
交叉验证 · 学习曲线 · 验证曲线
模型评估选择
20
模型解释性
特征重要性 · SHAP值 · LIME
模型解释性特征重要性
21
模型持久化与部署准备
模型序列化（Pickle · Joblib · ONNX）
模型持久化部署准备
22
模型服务化
使用Flask/FastAPI构建R… · 模型加载与预测接口 · 输入验证
模型服务化Flask/FastAP…
23
模型上线与监控
部署到云平台（AWS · GCP · Azure）或容器化（Kuberne…
模型上线监控
24
MLOps基础
CI/CD for ML · 自动化训练与部署流水线（Kubefl… · Airflow）
MLOpsCI/CD
25
端到端项目实战（一）
从数据采集（爬虫+API）到数据清洗… · 构建一个完整的回归任务（如房价预测）
端到端项目实战API
26
端到端项目实战（二）
从数据采集到分类模型（如客户流失预测… · 包括EDA · 模型训练
端到端项目实战从数据采集到分类…
27
端到端项目实战（三）
将训练好的模型部署为在线服务 · 编写API并测试 · 实现模型上线与基本监控
端到端项目实战将训练好的模型部…
28
常见问题与解决方案
数据不平衡处理（过采样 · 欠采样 · SMOTE）
常见问题解决方案
29
性能优化与扩展
大数据集处理（Dask · Spark） · 模型推理加速（量化
性能优化扩展
30
课程总结与进阶路径
回顾全流程 · 常见陷阱 · 学习资源推荐
课程总结进阶路径