iT邦幫忙

2024 iThome 鐵人賽

DAY 30
1
AI/ ML & Data

從點子構想到部署上線:機器學習專案的一生系列 第 30

[Day 30] 鐵人賽收工!心得 & 延伸閱讀分享

  • 分享至 

  • xImage
  •  

終於又完成一次鐵人賽啦!
回顧一下這 30 天的內容,我們先介紹 ML 專案生命週期的五大步驟,以及每個步驟需要注意的細節:

  • Step 1. 定義商業指標(Define the business goal)
  • Step 2. 蒐集和準備資料(Collect and Prepare Data)
  • Step 3. 建立模型(Build the Model)
  • Step 4. 將模型整合到應用程式中(Integrate with Application)
  • Step 5. 監控模型表現(Monitor Impact)

接著,本系列文參考了一些科技公司在每個步驟中的實作經歷,看一下他們的舊系統是如何建置、有什麼問題,新系統又是如何改善的,也看了他們失敗以及成功的經驗,讓我們在認識理論之餘,也能夠向成功的科技公司學習。同時,除了理論內容,這次系列文也介紹一下 ML 專案實作中會用到的工具,雖然沒有從頭到晚教大家如何寫出一個 ML 專案,但是從頭到尾的工具都有介紹到了,期待大家之後自己試試看,或是也許我之後會再分享實作內容。

回顧一開始參加鐵人賽設定的目標,除了實作各種有趣的模型之外,我希望自己能夠更加認識完整的 ML 專案,有能力獨立設計一整套系統。我覺得經過這三十天的整理,的確有達成這個目標了!希望這些對大家也有幫助!


鐵人賽之後呢?延伸閱讀

分享幾個我覺得整理的很好的內容,如果大家有興趣繼續鑽研,可以參考以下內容:

我前面幾天介紹 ML 專案的生命週期,主要都是參考這個課程:

這幾個 repo 整理了 MLOps 的工具:

ByteByteGo 的書,最近有出中文譯本

  • 內行人才知道的機器學習系統設計面試指南

O'Reilly 的 ML System Design 的書

  • Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications

以上是我目前蒐集到的內容,如果大家有任何推薦的資源,也歡迎留言分享給大家哦!


最後,感謝閱讀到這邊的你,那鐵人賽就下台一鞠躬啦!
如果有任何問題想跟我聊聊,或是想看我分享的其他內容,也歡迎到我的 Instagram(@data.scientist.min) 逛逛!


上一篇
[Day 29] Spotify 在建立機器學習專案學到的三件事
系列文
從點子構想到部署上線:機器學習專案的一生30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

1 則留言

0
codefarmer
iT邦新手 5 級 ‧ 2024-10-14 20:39:01

恭喜非正式戰友也順利完賽!! /images/emoticon/emoticon37.gif

Min iT邦新手 4 級 ‧ 2024-10-14 22:57:48 檢舉

謝謝你!竟然還特地留言 好感動 🥹

我要留言

立即登入留言