iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

2 Like 0 留言 15558 瀏覽

鐵人賽 AI & Data DAY 6

從 AI 落地談 MLOps 系列第 6 篇

技術 Day 06 : 什麼是 MLOps

各種商務情境都在思考如何融入 AI 提供更適切的智慧化服務，在Day 04 : 以資料為中心的人工智慧 Data-Centric AI 介紹透過關注資料為中心的...

威利斯 ‧ 2021-09-06

0 Like 1 留言 4279 瀏覽

鐵人賽 AI & Data DAY 11

從 AI 落地談 MLOps 系列第 11 篇

技術 Day 11 : 用於生產的機械學習 - Data Labeling 資料標註

標註資料與特徵工程是處理資料重要的步驟，目的都是為了讓模型效果最佳化，標註的一致性、特徵工程到位都對模型影響至關重要。現實生活情境的資料標註向來不是件容易的事情...

威利斯 ‧ 2021-09-11

0 Like 0 留言 3993 瀏覽

鐵人賽 AI & Data DAY 24

從 AI 落地談 MLOps 系列第 24 篇

技術 Day 24 : 負責任的 AI - Responsible AI (RAI)

當您用心呵護的機械學習終於實現，期待能滿足與提升使用者福祉，您應該有足夠的信心與能力對產品負責， AI 產品亦然。延續系列文對您的機械學習產品生命週期的思考...

威利斯 ‧ 2021-09-24

0 Like 0 留言 3612 瀏覽

鐵人賽 AI & Data DAY 8

從 AI 落地談 MLOps 系列第 8 篇

技術 Day 08 : ML 工程師職責與分工

資料團隊組建當各行業意識數據帶來業務成長新動能時，追求卓越的企業意識到要充分運用企業數據，必須組建專門數據團隊，期待專業團隊具有提煉數據價值的慧眼，也期待落...

威利斯 ‧ 2021-09-08

0 Like 0 留言 3495 瀏覽

鐵人賽 AI & Data DAY 19

從 AI 落地談 MLOps 系列第 19 篇

技術 Day 19 : 深度學習(神經網絡)自動建模術 - AutoMLs

隨著 ML/DL 模型研究屢有突破，現今模型訓練成果已經相當具有水準，但如果需要藉由手動選擇最佳的模型確實較花時間，因此已經出現取多自動化機械學習 AutoM...

威利斯 ‧ 2021-09-19

0 Like 0 留言 3139 瀏覽

鐵人賽 AI & Data DAY 7

從 AI 落地談 MLOps 系列第 7 篇

技術 Day 07 : MLOps 的挑戰與技術要求

在 Day 06 引用與介紹 3 個 MLOps 相關定義，如果 MLOps 是一種工程文化與實踐，旨在 ML 系統開發與 ML 系統操作，實際遇到的挑戰與技術...

威利斯 ‧ 2021-09-07

0 Like 0 留言 2623 瀏覽

鐵人賽 AI & Data DAY 2

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 2 篇

技術什麼是AutoML

什麼是AutoML 根據 Microsoft的說法節錄如下：自動化機器學習 (亦稱為自動化 ML 或 AutoML) 是使機器學習模型開發中耗時的反覆工作自動化...

Newbie ‧ 2021-09-17

1 Like 0 留言 2422 瀏覽

鐵人賽 AI & Data DAY 5

從 AI 落地談 MLOps 系列第 5 篇

技術 Day 05 : ML 專案生命週期

從無到有開發 ML 專案到佈署需要 6 至 12 個月不等，在尚未有具體產出的過程中，會有對內部及外部說明進展的機會，能有架構、系統的與合作對象說明是很重要...

威利斯 ‧ 2021-09-05

0 Like 0 留言 2262 瀏覽

鐵人賽 AI & Data DAY 2

從 AI 落地談 MLOps 系列第 2 篇

技術 Day 02 : 用於生產的機械學習 ML in Production

ML 就像孩子一樣，孩提時百般呵護，長大時不得不面對外界的殘酷。佈署到商務情境的 ML 模型，某方面像是放飛的孩子，既期待又怕受傷害，如果沒有持續的引導、學習、...

威利斯 ‧ 2021-09-02

0 Like 0 留言 2171 瀏覽

鐵人賽 AI & Data DAY 10

從 AI 落地談 MLOps 系列第 10 篇

技術 Day 10 : 用於生產的機械學習 - Data Define 與建立基準

接續介紹 ML 專案生命週期，本日說明第 2 階段「資料 Data」的工作流程，依其說法分為2大步驟，分別為「定義資料及建立基準」及「標註及特徵工程」。是4個...

威利斯 ‧ 2021-09-10

1 Like 0 留言 1829 瀏覽

鐵人賽 AI & Data DAY 3

從 AI 落地談 MLOps 系列第 3 篇

技術 Day 03 : ML in Production 的挑戰

在 Day2 提到什麼是用於生產的機械學習 ML in Production ，今天來談用於生產的機械學習所遇到的挑戰，主要挑戰包含: 要是整合性的機械學習系...

威利斯 ‧ 2021-09-03

0 Like 0 留言 1711 瀏覽

鐵人賽 AI & Data DAY 23

從 AI 落地談 MLOps 系列第 23 篇

技術 Day 23 : 模型分析 TensorFlow Model Analysis (TFMA)

模型分析 TFMA 介紹過往我們關注模型的訓練結果，會追蹤該模型在每次 epochs 之後的 AUC 、 ACC、 loss 等指標變化，並且以視覺化繪圖...

威利斯 ‧ 2021-09-23

0 Like 0 留言 1633 瀏覽

鐵人賽 AI & Data DAY 3

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 3 篇

技術 NNI的特性及核心功能

上次開場白說明了NNI最基本的Hyper-parameters（超參）調整，其實只是其中的功能之一。NNI尚有其他的特性及核心功能。NNI的特性：NNI 是一個...

Newbie ‧ 2021-09-18

0 Like 0 留言 1574 瀏覽

鐵人賽 AI & Data DAY 14

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 14 篇

技術模型的內容04 def main()

上一章節研究完class net(…)，這一章節我們繼續研究 def main(args)這部分。 def main(args): # define d...

Newbie ‧ 2021-09-29

0 Like 0 留言 1541 瀏覽

鐵人賽 AI & Data DAY 17

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 17 篇

技術模型的內容07 train()

這章節，我們將說明 train()的細部。程式部分如下： def train(args, model, device, train_loader, optimi...

Newbie ‧ 2021-10-02

0 Like 0 留言 1340 瀏覽

鐵人賽 AI & Data DAY 5

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 5 篇

技術 NNI執行的流程

一個Experiment的運行邏輯是： • Tuner 接收搜索空間，生成configuration。• 將這些生成的configuration提交到很多訓練平...

Newbie ‧ 2021-09-20

0 Like 0 留言 1238 瀏覽

鐵人賽 AI & Data DAY 20

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 20 篇

技術 NNI如何搬到Colab01

NNI搬到Colab上，環境類似本機。雖然，NNI很容易搬到Colab平台上，但由於Colab並不公開其 public IP and port。所以我們無法連上...

Newbie ‧ 2021-10-05

0 Like 0 留言 1189 瀏覽

鐵人賽 AI & Data DAY 13

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 13 篇

技術模型的內容03 Class Net

進入主程式前，我們先看class 大塊 Class Net：神經網路的定義處。 class Net(nn.Module): def __init__(s...

Newbie ‧ 2021-09-28

1 Like 0 留言 1103 瀏覽

鐵人賽 AI & Data DAY 7

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 7 篇

技術 NNI安裝後的驗證01

上回我們安裝完成後，如何確認安裝的正確性呢？當然是下載實驗樣本來炸炸看。首先，請先建一個子目錄。其次，複製一份含原始碼的範例(最新版為 v2.4)： git...

Newbie ‧ 2021-09-22

0 Like 0 留言 1069 瀏覽

鐵人賽 AI & Data DAY 4

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 4 篇

技術 NNI大綱描述

基本名詞及觀念：• Experiment：一次實驗，如尋找最好的神經網路架構。經多個autoML + trials構成。• Search Space：所謂Spa...

Newbie ‧ 2021-09-19

1 Like 0 留言 984 瀏覽

鐵人賽 AI & Data DAY 18

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 18 篇

技術模型的內容08 test()

這個章節，我們將談到 test()的部分。進入主題之前，我們要注意的是，test_loader是固定的1000筆資料直接使用(沒epoch)，所以不downl...

Newbie ‧ 2021-10-03

0 Like 0 留言 937 瀏覽

鐵人賽 AI & Data DAY 21

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 21 篇

技術 NNI如何搬到Colab02

若看到以下畫面，恭喜你，又成功了！ /bin/bash: -c: line 0: syntax error near unexpected token `new...

Newbie ‧ 2021-10-06

0 Like 0 留言 899 瀏覽

鐵人賽 AI & Data DAY 27

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 27 篇

技術計算資源及資料的設定03

在上一個章節，我們已經建立了一個Datatstore及Container，也上傳資料到Container中。建立Container後，這個Container究竟...

Newbie ‧ 2021-10-12

0 Like 0 留言 895 瀏覽

鐵人賽 AI & Data DAY 11

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 11 篇

技術模型的內容01

到此為止，若一切順利，表示NNI安裝正確，功能一切正常。但整個流程究竟在做甚麼事情呢？首先，我們在 Config_detail.yml 檔案，修改的 searc...

Newbie ‧ 2021-09-26

0 Like 0 留言 886 瀏覽

鐵人賽 AI & Data DAY 22

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 22 篇

技術 NNI搬到Colab的優劣

如同上一章節所述，整個過程幾乎和在本機安裝、驗證及執行類似。但是，在本機和Colab執行各有其優缺點。本機的優點恰好是Colab的缺點，而Colab的優點恰好是...

Newbie ‧ 2021-10-07

0 Like 0 留言 882 瀏覽

鐵人賽 AI & Data DAY 10

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 10 篇

技術 NNI安裝後的驗證04

這回，我們將焦點放在WebUI的trials detail中的Intermediate Result。請在WebUI上方的trials detail 按下，然後...

Newbie ‧ 2021-09-25

0 Like 0 留言 870 瀏覽

鐵人賽 AI & Data DAY 4

製作自己的聊天機器人！ChatBot相關研究系列第 4 篇

技術 Day 04-Azure介紹

在上一篇我們看到，即便我們能不寫程式就設定一些自動回覆，仍然相當麻煩，如果需要的功能更多，更無法應付因此我們還是需要寫程式，並且上傳到一個雲端伺服器，與Line...

歐逸昇 ‧ 2021-09-19

0 Like 0 留言 839 瀏覽

鐵人賽 AI & Data DAY 6

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 6 篇

技術 NNI安裝在本機(Windows版)

說了好幾天的概念，再不動手真的會睡著。讓我們先來本機炸一炸，加深我們的學習動機。安裝前，先注意兩大重要事項，否則會讓人搞不清發生何事，即使找Microsoft...

Newbie ‧ 2021-09-21

0 Like 0 留言 837 瀏覽

鐵人賽 AI & Data DAY 15

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 15 篇

技術模型的內容05 def main()

接著我們說明optimizer設定。首先，我們先得知道 training and validation 大概在做些甚麼事情。簡單的說，就是影像讀進來後，經過...

Newbie ‧ 2021-09-30

0 Like 0 留言 807 瀏覽

鐵人賽 AI & Data DAY 25

新手一起來Azure上玩 NNI (auto-ML的一種) 系列第 25 篇

技術計算資源及資料的設定01

前面談到，執行[Machine Learning]的工作，除了計算資源外，最重要的便是資料了。我們先介紹如何在Microsoft Azure上，建立Comput...

Newbie ‧ 2021-10-10