MLflow 量化工程化(MLflow)

把任意策略工程化:可追踪、可复现、可上线、可监控。

课程介绍

以 MLflow 为核心,把量化研究流程工程化——实验追踪、模型注册、可复现打包、部署与漂移监控。让“三个月后复现不出自己的结果”成为过去。

学完你能

  • 用 MLflow 追踪实验、注册模型、保证可复现
  • 把策略打包、部署、上线并做漂移监控
  • 为任意金融策略提供工程化落地能力

与其他课程的关系

参考资料

  • 教材:MLflow 官方文档 + 量化研究工程化实践
  • 配套代码:每讲配可运行的真实代码,见下方课程目录

在体系中的位置

量化金融能力(金融线) 量化工程能力(工程线)
⑤　RM · EX ⑤　RD-Agent
④　ER · AM · IR · FR ④　MLflow ←你在这里
③　QF ③　qlib
②　FI · QI · AP ②　ML · ML4T
①　INV · MB ①　Pandas · OOP4

课程目录

  1. 第01讲_为什么量化研究要流程化_MLflow与MLOps全景
  2. 第02讲_跑通第一个tracked实验
  3. 第03讲_Tracking概念模型
  4. 第04讲_记录完整因子研究
  5. 第05讲_Autologging零侵入追踪
  6. 第06讲_对比检索嵌套run
  7. 第07讲_Tracking内核_store与溯源
  8. 第08讲_MLflowProjects一条命令复现
  9. 第09讲_代码与数据版本化
  10. 第10讲_参数扫描HPO_tracked
  11. 第11讲_MLflowModels打包标准件
  12. 第12讲_自定义pyfunc包策略
  13. 第13讲_ModelRegistry生命周期治理
  14. 第14讲_版本别名与治理
  15. 第15讲_evaluate与自定义metric
  16. 第16讲_SHAP解释追踪
  17. 第17讲_端到端量化流水线tracked
  18. 第18讲_数据与特征库
  19. 第19讲_ML平台架构_MLflow在平台里的位置
  20. 第20讲_部署与推理_信号即服务
  21. 第21讲_规模化_Spark_Ray_GPU
  22. 第22讲_编排调度_定时重训
  23. 第23讲_性能监控_漂移检测
  24. 第24讲_LLM追踪与qlib深度整合
  25. 第25讲_收官_量化研究流程化脚手架