VIP10
本课程属于：045-汽车电子电气架构与域控制设计 车载软件与智能汽车 · 共 10 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

系统需求分析到模型开发全流程

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
课程导论与项目全景
什么是ML全流程 · 为什么需要系统化方法 · 一个完整的ML项目生命周期（CRIS…
课程导论项目全景
02
业务需求理解与问题定义
如何与业务方沟通 · 将业务问题转化为机器学习问题 · 定义成功标准（KPI）
业务需求理解问题定义
03
数据需求分析与采集策略
需要哪些数据 · 数据来源（内部DB · 第三方API
数据需求分析采集策略
04
探索性数据分析（EDA）基础
数据概览（shape · info · describe）
EDA探索性数据分析
05
EDA进阶
多变量分析与相关性 · 交叉分析（分组聚合） · 特征与目标变量的关系探索
EDA进阶
06
数据清洗实战
处理缺失值（删除 · 填充 · 插值）
数据清洗实战处理缺失值
07
特征工程（上）
特征构建 · 组合特征 · 聚合特征）
特征工程特征构建
08
特征工程（下）
特征编码与选择 · Label · Target Encoding）
特征工程特征编码
09
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… · 数据泄露的防范 · 构建可复用的sklearn Pipe…
数据划分预处理流水线
10
模型选择策略
问题类型与模型映射（分类 · 回归 · 聚类）
模型选择策略问题类型
11
模型训练与调参（上）
基础模型训练 · 交叉验证（K-Fold · Stratified K-Fold）
模型训练调参
12
模型训练与调参（下）
贝叶斯优化（Optuna） · 学习曲线与验证曲线分析 · 过拟合与欠拟合的诊断
模型训练调参
13
模型评估指标（分类）
混淆矩阵 · 准确率 · 精确率
模型评估指标分类
14
模型评估指标（回归与排序）
回归指标（MSE · RMSE · MAE
模型评估指标回归
15
模型解释性（上）
为什么需要可解释性 · 全局解释 vs 局部解释 · 特征重要性（Permutation…
模型解释性为什么需要可解释…
16
模型解释性（下）
SHAP值详解 · LIME · 解释结果的业务落地
模型解释性SHAP
17
模型集成与堆叠
Bagging与Boosting原理 · Voting与Averaging集成 · Stacking（堆叠泛化）
模型集成堆叠
18
模型部署前的准备
模型序列化（Pickle · ONNX · MLflow）
模型部署前的准备Pickle
19
模型部署实战
使用Flask/FastAPI构建A… · Docker容器化部署 · 云服务部署（AWS SageMake…
模型部署实战Flask/FastAP…
20
模型监控与维护
数据漂移（Data Drift）与概… · 模型性能衰减监控 · 自动重训练策略（Retraining…
模型监控维护
21
MLOps基础与CI/CD
什么是MLOps · 版本控制（DVC for data · Git for code）
MLOpsCI/CD
22
A/B测试与模型评估上线
A/B测试设计 · 流量分割 · 统计显著性检验
A/B测试
23
端到端项目实战（一）
需求回顾与数据准备 · 数据采集与EDA复现 · 数据清洗与特征工程流水线构建
端到端项目实战需求回顾
24
端到端项目实战（二）
模型训练与调优：基线模型建立 · 多模型对比 · 超参数调优
端到端项目实战模型训练
25
端到端项目实战（三）
模型部署与API开发：训练最终模型 · 保存模型与预处理Pipeline · 使用FastAPI开发预测接口
端到端项目实战API
26
端到端项目实战（四）
Docker化与云部署 · 构建镜像 · 部署到云服务器
端到端项目实战Docker
27
端到端项目实战（五）
监控与迭代：部署模型监控服务 · 模拟数据漂移 · 触发重训练
端到端项目实战监控
28
项目文档与汇报
技术文档撰写（README · API文档） · 业务汇报PPT制作
项目文档汇报
29
常见陷阱与最佳实践
数据泄露案例 · 过拟合的伪装 · 不合理的评估指标
常见陷阱最佳实践
30
课程总结与未来展望
全流程知识体系回顾 · 学习路径建议 · 前沿方向（AutoML
课程总结未来展望