数据管道、实验跟踪、CI/CD 与模型监控，系统覆盖 mlops 路线图。
登录后追踪本课程进度 —登录
MLOps 是什么
原则、组件与实验/生产边界。
数据工程基础
Lake/Warehouse、Spark/Kafka/Flink。
版本控制与 DVC
Git、DVC 与可复现性。
训练与实验跟踪
sklearn/PyTorch 与 experiment tracking。
MLflow 与血缘
Registry、评估门禁与 lineage。
编排与调度
Airflow 与 Kubeflow Pipelines。
CI/CD for ML
CML、Jenkins 与 Ansible IaC。
容器化部署
Docker/K8s 训练与推理。
云原生 ML
SageMaker/Vertex 托管服务。
监控与可观测
Prometheus/Grafana 与 drift。
可解释 AI
LIME/SHAP 与合规沟通。
综合练习
DVC→MLflow→Docker→Metrics 端到端。