VIP20
本课程属于：018-AI DevOps实战：从代码到部署全自动化 AI与大模型 · 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

AI模型持续集成流水线精讲

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 · AI模型持续集成（CI）的核心价值与…
课程导入学习目标
02
基础知识
持续集成（CI）基本概念 · 与传统软件CI的区别 · AI模型开发流程概述
基础知识CI
03
环境准备
版本控制（Git） · Python环境管理 · 依赖管理（pip/conda）
环境准备Git
04
数据版本管理
数据版本控制工具（DVC） · 数据集存储与版本化 · 数据血缘追踪
数据版本管理DVC
05
模型版本管理
模型注册表（MLflow Model… · 模型元数据管理 · 模型存储与检索
模型版本管理MLflow
06
代码质量与测试
单元测试 · 集成测试 · 代码风格检查（Lint）
代码质量测试
07
数据验证与测试
数据质量检查 · 数据分布漂移检测 · 数据完整性验证
数据验证测试
08
模型训练自动化
训练脚本模块化 · 超参数管理 · 训练资源调度（Kubernetes）
模型训练自动化训练脚本模块化
09
模型评估与验证
离线评估指标（准确率 · 召回率等） · 交叉验证
模型评估验证
10
模型可解释性
SHAP/LIME · 特征重要性分析 · 模型决策可视化
模型可解释性SHAP/LIME
11
模型安全与合规
模型鲁棒性测试 · 对抗样本检测 · 隐私保护（差分隐私）
模型安全合规
12
CI流水线设计
流水线阶段划分（数据 · 训练 · 评估
CI流水线设计
13
CI工具选型
Jenkins · GitLab CI · GitHub Actions
CI工具选型
14
流水线实现（一）
使用GitLab CI构建基础流水线 · 集成代码检查与单元测试
流水线实现GitLab
15
流水线实现（二）
集成数据版本控制与数据验证步骤
流水线实现集成数据版本控制
16
流水线实现（三）
自动化模型训练与超参数调优（Optu…
流水线实现Optu
17
流水线实现（四）
模型评估与质量门禁（Quality…
流水线实现Quality
18
流水线实现（五）
模型打包与容器化（Docker） · 生成可部署镜像
流水线实现Docker
19
模型发布与部署
模型上线策略（蓝绿 · 金丝雀） · 模型服务化（TensorFlow S…
模型发布部署
20
持续训练（CT）
数据更新触发重训 · 定期重训策略 · 模型监控与自动重训
CT持续训练
21
模型监控与反馈
线上性能监控 · 数据漂移检测 · 模型衰减预警
模型监控反馈
22
案例实战（一）
图像分类模型CI流水线端到端实现
案例实战CI
23
案例实战（二）
NLP情感分析模型CI流水线实现
案例实战NLP
24
案例实战（三）
推荐系统模型CI流水线实现
案例实战CI
25
常见问题与解决方案
流水线失败排查 · 依赖冲突 · 资源不足
常见问题解决方案
26
性能优化
并行化 · 缓存策略 · 分布式训练集成
性能优化并行化
27
安全与权限管理
流水线凭证管理 · RBAC · 审计日志
安全权限管理
28
团队协作与流程规范
分支策略 · 代码评审 · 流水线即代码（Pipeline as…
团队协作流程规范
29
综合提升
构建企业级AI CI/CD平台 · 与MLOps其他环节集成
综合提升AI
30
课程总结与展望
核心要点回顾 · AI CI未来趋势（AutoML · 边缘CI）
课程总结核心要点回顾