欢迎来到这门全面的课程，学习如何使用 FastAPI 构建银行 API，并集成 AI 驱动的机器学习交易分析和欺诈检测系统。本课程不仅超越基本的 API 开发，还将展示如何架构一个生产就绪、安全且可扩展的完整银行系统。

本课程独特之处：

• 学习使用 FastAPI 和 SQLModel 构建现实世界的银行系统
• 使用 MLflow 和 scikit-learn 实现 AI/ML 驱动的欺诈检测
• 精通使用 Docker 进行容器化
• 精通使用 Traefik 进行反向代理和负载均衡
• 使用 Celery、Redis 和 RabbitMQ 处理高容量交易
• 用行业标准的认证实践来保护您的 API

你会学到如何：

✓ 基于领域驱动设计原则设计稳健的银行 API 架构
✓ 实现安全的用户认证，包括 JWT、OTP 验证和速率限制
✓ 创建交易处理功能，包含货币转换和欺诈检测
✓ 构建机器学习管道，用于实时交易风险分析
✓ 使用 Docker Compose 部署并使用 Traefik 管理流量
✓ 使用异步 Celery 工作进程扩展您的应用程序
✓ 使用 Loguru 进行全面的系统监控
✓ 使用 MLflow 训练、评估和部署机器学习模型
✓ 使用 SQLModel 和 Alembic 操作 PostgreSQL 进行迁移

此项目的关键功能：

• 核心银行功能 ：账户创建、转账、存款、取款、对账单
• 虚拟卡管理 ：卡创建、激活、冻结和充值
• 用户管理 : 个人资料、直系亲属信息、KYC 实施
• AI/ML 驱动的欺诈检测 : 基于机器交易的欺诈分析
• 后台处理 : 邮件通知、PDF 生成和机器学习训练
• 高级部署 : 容器编排、反向代理和高可用性
• 机器学习运维 : 模型训练、评估、部署和监控

本课程适合：

• 拥有至少1年经验的后端开发者，希望构建安全的金融科技解决方案。
• 计划架构金融科技解决方案的技术负责人。

在本课程结束时，你将构建一个具备 AI 功能的可生产银行系统，你可以将其展示在你的作品集中或应用于实际项目中。

你将掌握的技术：

• FastAPI & SQLModel：用于构建高性能、类型安全的 API
• Docker & Traefik：用于容器化和智能请求路由
• Celery & RabbitMQ: 用于分布式任务处理
• PostgreSQL & Alembic: 用于健壮的数据存储和模式迁移
• Scikit-learn: 用于机器学习。
• MLflow: 用于管理机器学习生命周期
• Pydantic V2： 用于数据验证和设置管理
• JWT & OTP：用于安全认证流程
• Cloudinary：用于处理图片上传
• Rate Limiting：用于 API 防护免受滥用

不再有基础教程——让我们来构建一些真正的东西！