iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 777 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 22 篇

技術從「這次不會壞吧」到自動化的未來：22 為什麼需要資料管理工具？DagsHub 與 DVC 怎麼選？

為什麼需要資料管理工具隨著開發過程持續推進，通常會產生大量版本的程式碼，並需要使用版本控制工具追蹤這些程式碼，以利後續維護。除了程式碼，訓練資料也需要進行版本...

aif_tw ‧ 2024-11-12

0 Like 0 留言 823 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 21 篇

技術從「這次不會壞吧」到自動化的未來：21 CNN 模型訓練 MLDM + MLDE

今天我們會使用 MLDM + MLDE 來進行貓狗圖片分類的卷積神經網路（Convolutional Neural Network，CNN）模型訓練，並進行以下...

aif_tw ‧ 2024-11-08

0 Like 0 留言 822 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 20 篇

技術從「這次不會壞吧」到自動化的未來：20 從前處理到模型訓練，都在版控環境中？

過去在 DL 模型的開發過程中，要追蹤大量的資料和實驗結果可能需要結合多項工具，形成較高的學習成本；針對這些問題，HPE 推出 MLDM、MLDE 作為解決方案...

aif_tw ‧ 2024-11-08

0 Like 0 留言 1061 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 19 篇

技術從「這次不會壞吧」到自動化的未來：19 所以模型版本控制工具怎麼選？

這幾天的文章主要分享三個頗受好評的模型實驗管理工具，市面上還有很多類似的工具，這些工具各有特色與強項，團隊可視情況選擇好維護的工具。這些工具的目的都是在幫助團...

aif_tw ‧ 2024-11-01

0 Like 0 留言 942 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 18 篇

技術從「這次不會壞吧」到自動化的未來：18 模型版本控制 - MLflow

相較於 Tensorboard 與 Weight&Biases，MLflow 更著重於「公司內部的多人專案」的實驗管理上，主要讓工程師自己建立屬於公司內...

aif_tw ‧ 2024-11-01

0 Like 0 留言 725 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 17 篇

技術從「這次不會壞吧」到自動化的未來：17 模型版本控制 - Weight&Biases

大致功能與 Tensorboard 相同，但是整合了更多的深度學習(Llamaindex、Langchain、HuggingFace…)與機器學習(Sciki...

aif_tw ‧ 2024-10-25

0 Like 0 留言 657 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 16 篇

技術從「這次不會壞吧」到自動化的未來：16 模型版本控制 - Tensorboard

Tensorboard 算是深度學習早期最著名的實驗管理工具，至今依然十分熱門，它主打幾個功能：視覺化的方式呈現模型訓練的Loss曲線和評估指標視覺化的方...

aif_tw ‧ 2024-10-24

0 Like 0 留言 724 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 15 篇

技術從「這次不會壞吧」到自動化的未來：15 建模前，要思考的事

我們知道在做模型建立、模型驗證的時候需要思考以下幾個問題：多人協作如何紀錄分析每位協作者的實驗紀錄，如何從眾多的實驗紀錄中快速比較出預測效果最好的模型？當...

aif_tw ‧ 2024-10-23

0 Like 0 留言 598 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 14 篇

技術從「這次不會壞吧」到自動化的未來：14 以 HPE MLDM 實作 MLOps 資料版本控制 - 2

上傳資料到 Repository 先執行以下指令來將範例檔案 0050.csv 上傳到 Repository： (mldm) aif@aif % pachctl...

aif_tw ‧ 2024-10-21

0 Like 0 留言 645 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 13 篇

技術從「這次不會壞吧」到自動化的未來：13 以 HPE MLDM 實作 MLOps 資料版本控制 - 1

今天的文章將接續昨天的內容，說明具體來說，如何透過 HPE MLDM 讓資料前處理工作自動化，以及使用內建的版控功能，管理大量資料與前處理程式。實作接著我們...

aif_tw ‧ 2024-10-16

0 Like 0 留言 598 瀏覽

鐵人賽 AI/ ML & Data

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 12 篇

技術從「這次不會壞吧」到自動化的未來：12 為什麼我們需要資料版本控制？

為什麼我們需要資料版本控制？在開發過程中，隨著時間的推移，團隊常常因為模型效能或其他考量，不斷更新訓練資料，最後累積出大量版本。想像一個情境：在增加一些訓練資...

aif_tw ‧ 2024-10-15

0 Like 0 留言 455 瀏覽

鐵人賽 Python DAY 28

從概念到應用：Python實戰開發學習之旅系列第 28 篇

技術 [Day27] Python專案 - PowerBI複習&自動化&網頁自動登入 (PowerBI 、windwos工作排程、PyAutoGUI)

目標昨天在power介紹完連結方式後今天稍微複習一下power bi的資料檢視跟關聯功能自動化power bi的方法並且會帶入寫好的python丟到win...

roni ‧ 2024-10-12

0 Like 0 留言 729 瀏覽

鐵人賽佛心分享-IT 人的工作軟技能 DAY 25

資源有限QQ後勤部門如何數位轉型？系列第 25 篇

技術數位轉型第2步｜資料複雜無法自動化？後勤自動化的核心方式

首先我們先想一下以下哪些屬於自動化的範疇？設定鬧鐘在7點整時響起在Excel內的B2輸入公式=if(A2<>"",A2+1...

siao ‧ 2024-10-09

0 Like 0 留言 579 瀏覽

鐵人賽 AI/ ML & Data DAY 10

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 11 篇

技術從「這次不會壞吧」到自動化的未來：11 為什麼我們需要資料版本控制？

在開發過程中，隨著時間的推移，團隊常常因為模型效能或其他考量，不斷更新訓練資料，最後累積出大量版本。想像一個情境：在增加一些訓練資料後，模型就訓練不起來了，這時...

aif_tw ‧ 2024-09-26

0 Like 0 留言 539 瀏覽

鐵人賽 AI/ ML & Data DAY 10

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 10 篇

技術從「這次不會壞吧」到自動化的未來：10 MLOps 系統功能設計 - 部署篇

部署時會用到的功能設計部署時的功能主要就是要將模型推論的功能建立成 API 讓使用者或其他服務可以調用，這個部分與一般的 API 開發基本相同，開發團隊可以使...

aif_tw ‧ 2024-09-24

0 Like 0 留言 288 瀏覽

鐵人賽 AI/ ML & Data DAY 9

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 9 篇

技術從「這次不會壞吧」到自動化的未來：09 MLOps 系統功能設計 - 自動化篇

自動化時會用到的功能設計在完成一個模型後，也可以選擇是否要加入自動化利用新資料定期更新的功能，如果當前的專案還不需要這項功能，想要直接將模型部署上線，那麼就可...

aif_tw ‧ 2024-09-23

0 Like 0 留言 297 瀏覽

鐵人賽 AI/ ML & Data DAY 8

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 8 篇

技術從「這次不會壞吧」到自動化的未來：08 MLOps 系統功能設計 - 開發篇

在昨天的文章中，描述了機器學習開發專案的流程，大致可分成三個部分：從資料處理到模型驗證的「開發」將開發模型訓練做排程處理的「自動化」將模型上線使用的「部...

aif_tw ‧ 2024-09-22

0 Like 0 留言 359 瀏覽

鐵人賽 AI/ ML & Data DAY 7

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 7 篇

技術從「這次不會壞吧」到自動化的未來：07 套件的選擇

其實，選擇套件並不是一件困難的事，無非就是根據需求、經費等因素考量後，按圖索驥選出適合團隊的工具而已。以下將簡單列舉挑選特定套件的原因，讀者可以根據團隊需求自由...

aif_tw ‧ 2024-09-21

0 Like 0 留言 353 瀏覽

鐵人賽 AI/ ML & Data DAY 6

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 6 篇

技術從「這次不會壞吧」到自動化的未來：06 MLOps 系統的基本功能需求

在設計 MLOps 系統時，主要會以開發團隊目前的機器學習專案開發流程為基礎，並以此設計系統。下圖是一般常見的模型開發流程，可以看到在取得原始資料後，會先做不同...

aif_tw ‧ 2024-09-20

0 Like 0 留言 376 瀏覽

鐵人賽 AI/ ML & Data DAY 5

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 5 篇

技術從「這次不會壞吧」到自動化的未來：05 MLOps 導入優缺點比較

CDF 基金會 MLOps 小組的白皮書中不斷提到，MLOps is not "putting Jupyter Notebooks into prod...

aif_tw ‧ 2024-09-19

0 Like 0 留言 429 瀏覽

鐵人賽 AI/ ML & Data DAY 4

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 4 篇

技術從「這次不會壞吧」到自動化的未來：04 導入 MLOps 的兩種場景

以昨天討論的內容為例，我們可以讓每個流程都變成自動化。以下分成兩種場景來說明有哪些部分可以利用 MLOps 的工具讓流程更快速便捷，場景為實驗階段及佈署階段：...

aif_tw ‧ 2024-09-18

0 Like 0 留言 433 瀏覽

鐵人賽 AI/ ML & Data DAY 3

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 3 篇

技術從「這次不會壞吧」到自動化的未來：03 機器學習(ML)開發流程介紹

如上圖所示，在選定一個適合以 AI 解決的題目後，我們會進行資料的前處理與模型開發。當模型完成開發後，則會進行驗證，如果模型通過驗收可上線的標準，就會進行佈署...

aif_tw ‧ 2024-09-17

0 Like 0 留言 481 瀏覽

鐵人賽 AI/ ML & Data DAY 2

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 2 篇

技術從「這次不會壞吧」到自動化的未來：02 MLOps 定義

MLOps 是 ML （Machine Learning，機器學習）加上 DevOps 的概念；DevOps 又是由 Development （開發）加上...

aif_tw ‧ 2024-09-16

0 Like 0 留言 454 瀏覽

鐵人賽 AI/ ML & Data DAY 1

從「這次不會壞吧」到自動化的未來：從 DevOps 到 MLOps，改造模型佈署之旅系列第 1 篇

技術從「這次不會壞吧」到自動化的未來：01 緣起

隨著 AI 和機器學習技術的快速發展，企業面臨的挑戰不僅僅是開發出高效的模型，還包括如何快速、安全地將這些模型部署到生產環境中並持續監控和優化。這正是 MLOp...

aif_tw ‧ 2024-09-15

0 Like 0 留言 1041 瀏覽

鐵人賽生成式 AI DAY 2

零基礎快速入門：GenAI 搭配 Google Apps Script 的工作自動化寶典系列第 2 篇

技術《零基礎快速入門：GenAI 搭配 Google Apps Script 的工作自動化寶典》Chapter 1-1 自動化的關鍵心態

在成為工程師之前，我曾經是一位 HR 專員。在沒日沒夜的報表修練中，我鍛練出了一身專業的 Excel 能力，並延伸出了 VBA 與 Python 技能。而這些技...

Henry Yang 亨利羊 ‧ 2024-09-15 ‧團隊Three Bears

0 Like 0 留言 663 瀏覽

鐵人賽 Security DAY 16

資安銷售系列第 16 篇

技術自動化的威

昨天早上自AM9:00，DDOS攻擊洪流開始湧進，半小時之間接了六條訊息...DDoS 攻擊是「分散式阻斷服務攻擊」 (Distributed Denial o...

fatsheep ‧ 2024-08-28

5 Like 0 留言 8794 瀏覽

技術自動化工具大比拼 🛠️

讓您的工作更高效、更便利，自動化工具提供了多種方式來減少重複性任務的工時浪費，提升工作效率。 AutoHotkey：定製專屬操作 AutoHotkey 是一款強...

葉承宇 (丁丁) Dean Yeh ‧ 2023-11-18

0 Like 0 留言 493 瀏覽

鐵人賽 Software Development DAY 20

挽救肝指數 x 職場生存術 x 老闆愛看的投影片製造機系列第 20 篇

技術 Day 20 - 自動化執行的作法分析、使用容器運作程式

前言由於花了三分之二的內容寫如何透過 Python 和 Asana API 去產出投影片，接下來的內容會轉向說明如何使這串程式可以自動化執行希望在每週一...

rita0124 ‧ 2023-09-21 ‧團隊我在鐵人賽烙賽、也在外木山裸泳◑ω◐

0 Like 0 留言 1927 瀏覽

技術幫你的對帳單/報價單/採購單PDF做自動化分析比對吧！

你跟我一樣有有時候太忙或剛好出國玩可能就會忘記檢查自己的email信箱導致沒看到信用卡帳單進而錯過繳費的情況嗎? 透過自動化的幫忙你可以不用再手動檢查信用卡帳單...

automato ‧ 2023-04-23

0 Like 1 留言 2601 瀏覽

鐵人賽 Software Development DAY 29

QA工程師的美麗與哀愁系列第 29 篇

技術第二十八卷 - 自動化測試與人工智慧會不會取代QA工程師？

在職涯初期，剛開始學自動化測試跟各種測試框架的時候曾經聽過一種對QA工程師職涯的說法是：「你如果不做自動化，只做手動測試一定會慢慢被淘汰。」所以那個時...

maaax ‧ 2022-09-29

技術 從「這次不會壞吧」到自動化的未來：22 為什麼需要資料管理工具？DagsHub 與 DVC 怎麼選？

技術 從「這次不會壞吧」到自動化的未來：21 CNN 模型訓練 MLDM + MLDE

技術 從「這次不會壞吧」到自動化的未來：20 從前處理到模型訓練，都在版控環境中？

技術 從「這次不會壞吧」到自動化的未來：19 所以模型版本控制工具怎麼選？

技術 從「這次不會壞吧」到自動化的未來：18 模型版本控制 - MLflow

技術 從「這次不會壞吧」到自動化的未來：17 模型版本控制 - Weight&Biases

技術 從「這次不會壞吧」到自動化的未來：16 模型版本控制 - Tensorboard

技術 從「這次不會壞吧」到自動化的未來：15 建模前，要思考的事

技術 從「這次不會壞吧」到自動化的未來：14 以 HPE MLDM 實作 MLOps 資料版本控制 - 2

技術 從「這次不會壞吧」到自動化的未來：13 以 HPE MLDM 實作 MLOps 資料版本控制 - 1

技術 從「這次不會壞吧」到自動化的未來：12 為什麼我們需要資料版本控制？

技術 [Day27] Python專案 - PowerBI複習&自動化&網頁自動登入 (PowerBI 、windwos工作排程、PyAutoGUI)

技術 數位轉型第2步｜資料複雜無法自動化？後勤自動化的核心方式

技術 從「這次不會壞吧」到自動化的未來：11 為什麼我們需要資料版本控制？

技術 從「這次不會壞吧」到自動化的未來：10 MLOps 系統功能設計 - 部署篇

技術 從「這次不會壞吧」到自動化的未來：09 MLOps 系統功能設計 - 自動化篇

技術 從「這次不會壞吧」到自動化的未來：08 MLOps 系統功能設計 - 開發篇

技術 從「這次不會壞吧」到自動化的未來：07 套件的選擇

技術 從「這次不會壞吧」到自動化的未來：06 MLOps 系統的基本功能需求

技術 從「這次不會壞吧」到自動化的未來：05 MLOps 導入優缺點比較

技術 從「這次不會壞吧」到自動化的未來：04 導入 MLOps 的兩種場景

技術 從「這次不會壞吧」到自動化的未來：03 機器學習(ML)開發流程介紹

技術 從「這次不會壞吧」到自動化的未來：02 MLOps 定義

技術 從「這次不會壞吧」到自動化的未來：01 緣起

技術 《零基礎快速入門：GenAI 搭配 Google Apps Script 的工作自動化寶典》Chapter 1-1 自動化的關鍵心態

技術 自動化的威

技術 自動化工具大比拼 🛠️

技術 Day 20 - 自動化執行的作法分析、使用容器運作程式

技術 幫你的對帳單/報價單/採購單PDF做自動化分析比對吧！

技術 第二十八卷 - 自動化測試與人工智慧會不會取代QA工程師？

標記使用者

技術從「這次不會壞吧」到自動化的未來：22 為什麼需要資料管理工具？DagsHub 與 DVC 怎麼選？

技術從「這次不會壞吧」到自動化的未來：21 CNN 模型訓練 MLDM + MLDE

技術從「這次不會壞吧」到自動化的未來：20 從前處理到模型訓練，都在版控環境中？

技術從「這次不會壞吧」到自動化的未來：19 所以模型版本控制工具怎麼選？

技術從「這次不會壞吧」到自動化的未來：18 模型版本控制 - MLflow

技術從「這次不會壞吧」到自動化的未來：17 模型版本控制 - Weight&Biases

技術從「這次不會壞吧」到自動化的未來：16 模型版本控制 - Tensorboard

技術從「這次不會壞吧」到自動化的未來：15 建模前，要思考的事

技術從「這次不會壞吧」到自動化的未來：14 以 HPE MLDM 實作 MLOps 資料版本控制 - 2

技術從「這次不會壞吧」到自動化的未來：13 以 HPE MLDM 實作 MLOps 資料版本控制 - 1

技術從「這次不會壞吧」到自動化的未來：12 為什麼我們需要資料版本控制？

技術數位轉型第2步｜資料複雜無法自動化？後勤自動化的核心方式

技術從「這次不會壞吧」到自動化的未來：11 為什麼我們需要資料版本控制？

技術從「這次不會壞吧」到自動化的未來：10 MLOps 系統功能設計 - 部署篇

技術從「這次不會壞吧」到自動化的未來：09 MLOps 系統功能設計 - 自動化篇

技術從「這次不會壞吧」到自動化的未來：08 MLOps 系統功能設計 - 開發篇

技術從「這次不會壞吧」到自動化的未來：07 套件的選擇

技術從「這次不會壞吧」到自動化的未來：06 MLOps 系統的基本功能需求

技術從「這次不會壞吧」到自動化的未來：05 MLOps 導入優缺點比較

技術從「這次不會壞吧」到自動化的未來：04 導入 MLOps 的兩種場景

技術從「這次不會壞吧」到自動化的未來：03 機器學習(ML)開發流程介紹

技術從「這次不會壞吧」到自動化的未來：02 MLOps 定義

技術從「這次不會壞吧」到自動化的未來：01 緣起

技術《零基礎快速入門：GenAI 搭配 Google Apps Script 的工作自動化寶典》Chapter 1-1 自動化的關鍵心態

技術自動化的威

技術自動化工具大比拼 🛠️

技術幫你的對帳單/報價單/採購單PDF做自動化分析比對吧！

技術第二十八卷 - 自動化測試與人工智慧會不會取代QA工程師？