VIP20
本课程属于：023-信用评分模型在线推理链路 金融科技风控与量化工程 · 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

信用评分在线推理链路从入门到实战

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
信用评分概述
信用评分的定义 · 发展历史 · 在金融风控中的核心价值
信用评分概述信用评分的定义
02
在线推理链路概念
什么是在线推理 · 离线批处理与在线推理的区别 · 在线推理链路的典型架构（请求入口
线推理链路概念什么是
03
特征工程基础
特征的定义 · 特征类型（数值型 · 类别型
特征工程基础特征的定义
04
特征平台与特征存储
特征平台（Feast/Tecton）… · 在线特征存储（Redis/Dynam… · 特征实时计算与预计算策略
特征平台特征存储
05
模型服务化
模型序列化格式（PMML/ONNX/… · 模型加载与热更新 · 模型版本管理
模型服务化PMML/ONNX
06
推理框架选型
主流推理框架对比（Triton In… · MLflow Serving · BentoML
推理框架选型Triton
07
请求预处理模块
请求数据解析与校验 · 缺失值处理 · 异常值检测
请求预处理模块请求数据解析
08
特征计算引擎
实时特征计算（滑动窗口 · 聚合函数） · 特征依赖管理
特征计算引擎实时特征计算
09
评分卡模型推理
逻辑回归评分卡原理 · 评分卡分数映射（Points to… · 模型推理代码实现
评分卡模型推理逻辑回归评分卡原…
10
树模型与集成模型推理
XGBoost/LightGBM模型… · 树模型特征重要性 · 模型解释性（SHAP值在线计算）
树模型集成模型推理
11
深度学习模型推理
神经网络在信用评分中的应用 · TensorFlow/PyTorch… · GPU推理加速
深度学习模型推理神经网络
12
决策引擎与规则引擎
规则引擎（Drools/EasyRu… · 规则优先级与冲突解决 · 决策表与决策树
决策引擎规则引擎
13
后处理与分数校准
分数校准方法（Platt Scali… · 分数分段与等级映射 · 拒绝推断与分数调整
后处理分数校准
14
结果输出与响应组装
响应数据结构设计 · 分数与原因码输出 · 拒绝原因码映射
结果输出响应组装
15
链路监控与可观测性
推理延迟监控 · 特征漂移检测 · 模型性能衰减监控
链路监控可观测性
16
AB测试与灰度发布
在线推理AB测试架构 · 流量切分策略 · 实验指标设计
AB测试
17
性能优化策略
推理延迟优化（模型剪枝/蒸馏） · 特征缓存策略 · 异步推理与批处理
性能优化策略推理延迟优化
18
安全与合规
数据脱敏与加密 · 模型安全（对抗攻击防御） · 合规要求（GDPR/个人信息保护法）
安全合规
19
端到端链路实战（一）
需求分析与架构设计：业务场景定义 · 技术选型 · 系统架构图设计
端到端链路实战需求分析
20
端到端链路实战（二）
特征工程与特征平台搭建 · 实时特征计算逻辑 · 特征平台API开发
端到端链路实战特征工程
21
端到端链路实战（三）
模型训练与导出：训练数据准备 · 模型训练（逻辑回归+XGBoost） · 模型评估与导出为ONNX
端到端链路实战模型训练
22
端到端链路实战（四）
推理服务开发 · 模型加载与推理逻辑 · 预处理与后处理实现
端到端链路实战推理服务开发
23
端到端链路实战（五）
规则引擎集成：规则定义与配置 · 规则引擎与模型推理串联 · 决策结果融合
端到端链路实战规则引擎集成
24
端到端链路实战（六）
容器化与部署：Docker镜像构建 · Kubernetes部署配置 · 服务发现与负载均衡
端到端链路实战Docker
25
端到端链路实战（七）
监控与告警体系搭建 · Grafana仪表盘设计 · 告警规则配置
端到端链路实战监控
26
端到端链路实战（八）
性能压测与调优 · 瓶颈分析 · 参数调优与结果对比
端到端链路实战性能压测
27
端到端链路实战（九）
灰度发布与全量上线：灰度策略配置 · 流量切换 · 线上验证与回滚方案
端到端链路实战灰度发布
28
常见问题与排障指南
特征缺失导致推理失败 · 模型版本不匹配 · 延迟突增
常见问题排障指南
29
前沿趋势与扩展
联邦学习在信用评分中的应用 · 可解释AI（XAI）在线推理 · 实时特征计算新范式（流计算）
前沿趋势扩展
30
课程总结与最佳实践
信用评分在线推理链路设计原则 · 常见陷阱与避坑指南 · 推荐学习资源与社区
课程总结最佳实践