今日份 Ferris 在進入正題前,先奉上今日份的熟螃蟹,本來想用 Stable diffusion 生成整個圖,但嘗試了幾次結果都太詭異了,最終只成功生成了背...
在資料科學界翻滾多年,玩了AWS不少服務,也在Edge端摸索許久,卻一直還沒下定決心來征服這一張號稱極有挑戰的證照-AWS Certified Machine...
熟螃蟹!? 首先介紹要陪伴我們 30 天旅程的小朋友,它叫 Ferris,是一隻被煮熟的螃蟹!*Animated Ferris for Rust Fest Be...
MLOps 發展已經有一段時間,但是在 2020 年才開始逐漸被廣泛討論,這是因為在過去許多企業開始將 AI/ML 應用於生產環境,並開始面臨 AI/ML 應用...
MLOps 的發展也已經經歷了 5 年以上,目前來到了 LLM (大型語言模型) 的時代,而 LLM 的訓練與部署,更是需要更多的資源與時間,因此 MLOps...
本場次最新消息! 特邀前 Apple 供應鏈分析師、麥肯錫高級 AI 顧問、Google 資料科學專家 現為 DataRobot 亞太區首席數據科學家 王汀...
本次建立的CD pipeline中,會有兩個部分:(1)模型自動部署到測試環境(staging area) (上篇文章)(2)模型自動部署到正式環境(produ...
延續上一篇文章,當CI pipeline執行結束後,模型會被下載到【pipeline published artifact區域】。接下來,就把【pipeline...
上兩篇終於把CI pipeline建立完成,CI pipeline做的就是把資料科學家會在Azure Machine Learning (AML)執行的所有任務...
在上一篇【Azure MLOps - 3】使用Azure DevOps建立訓練模型的CI pipeline(上)中執行測試程式碼的任務,這篇會繼續建立後半部本篇...
在上一篇【Azure MLOps - 2】使用Azure DevOps建立專案與連線設定,做完:(1)在Azure DevOps建立專案(2)為了能讓DevOp...
在上一篇【Azure MLOps - 1】使用Azure DevOps建立AML pipelines,已經設定好練習會需要的教材: Azure DevOps與A...
本篇文章架構 為什麼想要使用CI/CD pipelines 練習教材來源 流程與架構 課前準備 1.為什麼想要使用CI/CD pipelines 用Azur...
最近 CIO Taiwan 分享一篇 Gartner 2023 年十大戰略技術趨勢其中提到「讓 AI 值得信賴」是10大重點之一,也就是可信任 AI Gartn...
這邊要提到MLOps,是因為我們接下來要為ROS系統設計的虛實整合環境,需要一個自動化的部署流程,方便我們去做AI model的training以及訓練後資料的...
那些「擁有高資產設備」的企業,對於工廠機器設備檢測、監控與預測性維護(Predictive Maintenance) 都不陌生,預測性維護已經是最常被優先實踐的...
完賽心得 轉眼間就過了 30 天啦,第一次參賽有夠菜沒想到還能迎來這一天。要堅持每天發文真的很考驗意志力 (也大大考驗了我的 PPT 作圖技術哈哈哈),期間還經...
前情提要 昨天我們成功將模型部署到 Google AI Platform 上,並且也處理了授權的問題,最後讓 App 成功的運作了,今天我們要完成最後一個步驟...
前情提要 昨天我們成功的讓 App 在本機端運作,但按下 開始預測! 後卻出現了錯誤: 這意味著雖然 App 試圖使用 ironbird/app.py 與 ir...
Prerequisites 為了讓接下來的步驟可以順利進行,我們首先要完成以下的前置作業,但因為每個人的作業系統不同 (當然最好是使用 Linux) 所以這裡不...
接下來幾天的文章會像料理節目一樣,用我事先準備好的材料 (模型、App...) 來進行說明,底下就來整理一下會做的事情吧。 材料: 資料:Kaggle 300...
目標:資料飛輪 在 [Day 02] Why MLOps — 從"地平說" 走向宇宙 我們提到了資料飛輪 (Data Flywheel) 代...
It's truly the beginning. Scoping is a big hurdle. - Michael Printup 前言 機器學習的用...
If you don't know the provenance or the source of the artifact, it's not scienc...
I used to be an adventurer like you, then I took an arrow in the knee. — Lots o...
子曰:『工欲善其事,必先利其器。 前言 昨天提到依照 Ground truth 改變的速度會讓不同任務的標註有各種難易度:而依照不同的難度會有不同的標註方法...
The only thing that never changes is that everything changes. ― Louis L'Amour...
With data collection, ‘the sooner the better’ is always the best answer. – Mari...
All life is an experiment. The more experiments you make the better. — Ralph Wa...
機器學習的應用程式,介於使用者面向服務、統計學和計算機科學有所交集的領域。使用者面向服務包含個別用戶以及企業用戶。當機器學習服務在市場上愈來愈常見的同時,我們也...