今天最後一天啦,恭喜自己完賽,這 30 天就跟用 Stable diffusion 畫圖一樣,有時候很崩潰,有時候很順遂 (單押),但無論如何,我們都在嘗試中成長了,附上大量衝線圖,中間 C 位是 Ferris boy:
存活下來啦~ 不得不說,裸跑真的是滿精實的,先寫在這裡提醒自己下次記得囤點文章,不然...
*提醒未來的自己這是時事梗,「你就像茶碗蒸」 壽司店對到眼 引爆衝突
這次挑戰依然拖到了跨越兩個連假 (雖然我是第五個報名的哈哈哈),還遇到了貓貓需要看醫生 (目前已經是健康寶寶了,感謝天,感謝地,感謝命運讓我們相遇),真的很難把文章完善到自己完全滿意的程度,尤其是專案的部分,實在沒辦法花太多時間去 Debug 與優化,只能先想辦法讓現有的程式運作起來就好,這大概是這次挑戰最遺憾的地方:
我想很多挑戰者都能有感觸的一點就是,文章沒有完成的盡頭,但鐵人賽 12 點前要交 (那個最下面的系統標準時間 UTC+0800 會變成紅色的,嚇死人),無論如何,作品在讀者看到的時候就完成了,所以很感謝願意收看的孩子們,尤其感謝放心點開位置很奇怪的超連結然後不意外地發現奇怪的東西也可以會心一笑的孩子,而且沒想到這次比上次多了五個人訂閱,真是萬分感謝讓我為您右上角的小鈴鐺貢獻!
最後,這次挑戰的目標在於從一個 Python 使用者的角度來探索 Rust 加 MLOps 有沒有搞頭,以下是我個人的結論 (歡迎在下方留言區討論!):
我認為 Rust 絕對是未來的一部分,它為我們帶來了更好的表現與更簡潔的解決方案。
但這對社群來說是加分,而非取代,就像 Scala 與 R 都還在、小象 Hadoop 會陪伴我們到老一樣。
在可預見的未來 Python 依然會穩居 ML 之王的寶座,但 Rust 絕對是工具包裡一把強而有力的瑞士刀。
總的來說,Rust 加 MLOps 的確有搞頭,它在我們需要效能時,是非常完美的!
在過去的 30 天中,我們首先將 Rust 引入日常的工作流程、完成 LLM chatbot 專案,到談論從資料、模型、產品的角度可以如何應用 Rust,真是一段驚險刺激的旅程!
以下是按照順序各個主題的發文整理,請大家笑納:
以所有軟體專案都會經歷的工作流程來說明如何優雅地從 Python 轉換到 Rust
基本上就是說服大家為什麼要學 Rust 🤣
完成一個利用 Huggingface LLM 模型的 chatbot 專案
喘口氣,聊聊 Rust 的學習資源與如何與 Rust 最勸退人的 Borrow checker 相處
回到 MLOps 的主題,以 ML 系統設計的角度談談 Rust 如何在這裡發揮
這部分會參考 Chip Huyen 的著作 Designing Machine Learning Systems 以兩至三天為一組的架構來介紹以 ML 系統設計的角度如何看待 ML 系統的三個面向 — 資料、模型、產品,以及 Rust 可以如何被應用在 MLOps 中。
好啦,下次見囉~
恭喜完賽啦!
開頭的圖片好用心!不過用Stable Diffusion真的常常很讓人崩潰!
茶碗蒸的梗也太好笑了...笑到哭出來...
希望貓咪也可以健健康康(我家也有一隻撿到的小橘嘿嘿)
也恭喜妳!
妳的圖才是超用心貼合情境,有夠讚
希望大家都健健康康!
恭喜完賽!
圖文並茂的解說好生動,
太強了!
也恭喜你完賽!
你的文章內容超實用的,很讚!