1. 课程导论：信用额度定价的业务背景、流式决策的价值、课程目标与学习路径

1.1 信用额度定价的业务背景

在零售信贷与信用卡业务中，信用额度定价（Credit Line Pricing）是指金融机构根据申请人的信用风险、收入水平、负债情况以及市场策略，动态确定授信额度与对应利率的过程。传统做法依赖离线批量评分卡与固定利率表，更新周期通常为 T+1 甚至 T+7，无法响应客户实时行为变化。

当前业务痛点集中在以下三个方面：

1.2 流式决策的价值

流式决策（Streaming Decision）将传统批处理流程拆解为事件驱动的实时管道：客户行为事件（如刷卡、还款、额度使用率变化）一经产生，立即触发特征计算、模型推理与定价策略执行。其核心价值体现在：

• 毫秒级响应： 从事件到达至定价结果返回，端到端延迟 < 200ms。
• 连续学习： 模型可在线增量更新，适应概念漂移。
• 策略灵活： 支持按客户群、渠道、时段动态切换定价规则。
• 资源高效： 弹性伸缩，按需消费计算资源，避免批量高峰。

1.3 课程目标

本课程旨在培养具备金融业务理解 + 流式计算工程 + 模型部署三位一体能力的实战型架构师。完成学习后，学员应能：

1. 设计基于 Spark Structured Streaming 的实时特征管道。
2. 集成模型 Serving 框架（如 TensorFlow Serving / PMML / ONNX）实现毫秒级推理。
3. 实现信用额度定价的流式决策闭环，包含策略编排、AB 测试与监控告警。
4. 优化流式作业的吞吐、延迟与容错，满足金融级 SLA。

1.4 学习路径与课程地图

课程共 30 章，按知识递进关系分为五个模块：