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

MLOps持续训练流水线实践

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 · 适用人群
课程导入学习目标
02
MLOps基础概念
MLOps定义 · 与DevOps和DataOps的关系 · 持续训练流水线的核心组件（数据
MLOps基础概念
03
持续训练的必要性
模型漂移（数据漂移 · 概念漂移） · 业务环境变化
持续训练的必要性模型漂移
04
流水线架构设计
端到端持续训练流水线的参考架构 · 包括数据获取 · 特征工程
流水线架构设计端到端持续训练流…
05
数据版本与数据管理
数据版本控制（DVC · LakeFS） · 数据质量检查
数据版本数据管理
06
特征工程与特征存储
特征工程自动化 · 特征存储（Feast · Tecton）的作用
特征工程特征存储
07
模型训练与实验跟踪
使用MLflow · Weights & Biases等工… · 参数追踪
模型训练实验跟踪
08
自动化模型评估
离线评估指标（准确率 · AUC等） · 在线评估方法（A/B测试
自动化模型评估离线评估指标
09
模型注册与版本管理
模型注册中心（MLflow Mode… · SageMaker Model Re… · 模型版本策略
模型注册版本管理
10
持续训练触发机制
基于时间调度（cron） · 事件驱动（数据更新 · 代码提交）
持续训练触发机制cron
11
流水线编排工具
使用Airflow · Kubeflow Pipelines · Argo Workflows等编排持…
流水线编排工具Airflow
12
容器化与CI/CD集成
使用Docker和Kubernete… · 将持续训练流水线集成到CI/CD流程… · 实现自动化构建
CI/CD容器化
13
模型部署策略
在线部署（REST API · gRPC） · 批量推理
模型部署策略REST
14
模型监控与反馈闭环
监控模型在线性能（延迟 · 吞吐 · 预测分布）
模型监控反馈闭环
15
数据管道与训练管道解耦
如何设计数据管道和训练管道独立演进 · 使用消息队列（Kafka）或事件总线… · 确保数据新鲜度和训练及时性
数据管道训练管道解耦
16
超参数调优与自动化
使用Optuna · Ray Tune等工具进行超参数搜索 · 将调优过程集成到持续训练流水线中
超参数调优自动化
17
分布式训练与资源管理
在Kubernetes上使用Horo… · PyTorch DDP进行分布式训练 · 动态资源分配
分布式训练资源管理
18
安全与合规
模型安全（对抗攻击 · 数据泄露） · 访问控制
安全合规
19
案例实战
构建一个简单的持续训练流水线（使用开… · 从数据到部署的完整实现
案例实战构建一个简单的持…
20
案例实战
处理数据漂移的持续训练系统——使用公… · 设计自动检测和再训练流程
案例实战处理数据漂移的持…
21
案例实战
基于Kubeflow Pipelin… · 包括组件开发 · 管道定义和运行
案例实战Kubeflow
22
案例实战
使用SageMaker Pipeli… · 结合云原生服务（如Lambda · EventBridge）实现事件驱动
案例实战SageMaker
23
常见问题
流水线失败处理（数据缺失 · 训练崩溃 · 部署失败）
常见问题流水线失败处理
24
常见问题
模型版本与数据版本不一致 · 回滚策略 · 多环境（开发/测试/生产）同步问题
常见问题模型版本
25
常见问题
成本控制与资源优化（按需训练 · Spot实例 · 自动扩缩容）
常见问题成本控制
26
常见问题
团队协作与流程规范（代码评审 · 模型评审 · 文档化）
常见问题团队协作
27
进阶主题
持续学习与在线学习（Online L… · 增量训练 · 模型压缩与蒸馏在持续训练中的应用
进阶主题Online
28
进阶主题
多模型管理与A/B测试平台 · 如何支持多个模型并行运行和动态流量分…
进阶主题A/B
29
综合项目
设计一个完整的持续训练流水线方案 · 包括需求分析 · 架构设计
综合项目设计一个完整的持…
30
课程总结与展望
回顾核心知识点 · 总结最佳实践 · 探讨MLOps未来趋势（如LLMOp…
课程总结回顾核心知识点