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...
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...
在決定要引入機器學習專案的時候，第一個要思考的問題就是，這個服務應該要從外面買？還是要自己建一個？(buy or build)。這個問題從管理層面、技術層面與商...
MLOps 是值得持續投入的新興學門，如同 Day 01 談到的此系列目的，談如何從佈署機械學習至商業情境(ML in Production)，並關注佈署之...
在媒體、娛樂和創意產業中，機器學習與人工智能的使用越來越多。不管是管理數位內容、提供創作者新的靈感等等，這些都會是在媒體產業應用的範疇。在這些應用領域當中，對於...
用於生產的機械學習系統，在 Day 28 介紹 TensorFlow Extended (TFX) 解決方案，是專門用於可擴充的高效能機器學習工作，包括建立模...
To me, error analysis is the sweet spot for improvement. — Donald A. Norman 前言...
近幾年，媒體產業當中，以及社群軟體的應用，使得影片、聲音和圖像這些不同形式的內容正飛速的增長。不管是在娛樂、教育和廣告，各產業正透過這些媒體與觀眾進行深度互動。...
什麼是 TensorFlow Extended (TFX) TensorFlow Extended (TFX) 是端對端平台，可部署於用於生產環境中的機器學習...
A chain is only as strong as its weakest link. ― Thomas Reid 前言 今天的開頭是一句英文俗諺，它...
在網路情境常以 API 請求服務，用於生產的機械學習亦可用 REST API 形式提供服務。在Day 20、Day 21、Day 22 介紹部署在算力有限的終...
Ivan
chihying
bymiachang
威利斯
iThome鐵人賽
看影片追技術