iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 3234 瀏覽

鐵人賽 AI & Data DAY 12

從 AI 落地談 MLOps 系列第 12 篇

技術 Day 12 : 弱監督式標註資料 Snorkel (spam 入門篇)

當您需要更高效率標註大量資料時，人工標註不符合自動化的機械學習需求，採用靠著程式寫條件就分類完成的 Snokel 就可以參考。而且在2021年 AI 台灣人...

威利斯 ‧ 2021-09-12

0 Like 0 留言 2507 瀏覽

鐵人賽 AI & Data DAY 10

談MLOps - 模型、專案架構、產品化及維運系列第 10 篇

技術案例：在AWS上透過SageMaker跟CodePipeline駕馭MLOps的參考架構(上)

在經歷了幾篇的MLOps基礎概念之後，想在後面的文章帶大家看看幾個案例。透過案例來學習，會對專案在技術上的架構全貌更清楚。今天選的案例是這篇：Taming Ma...

bymiachang ‧ 2021-09-10 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

0 Like 1 留言 6973 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 2064 瀏覽

鐵人賽 AI & Data DAY 9

談MLOps - 模型、專案架構、產品化及維運系列第 9 篇

技術 DevOps在MLOps當中的角色

我們在前面的寫給MLOps人才培育苦手談論到MLOps是一個需要大家通力合作的一項專案，除了該專案帶來資訊和商業的影響力，在技術上也屬於比較前緣、大部分的團隊都...

bymiachang ‧ 2021-09-09 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

0 Like 0 留言 3284 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

0 Like 0 留言 2121 瀏覽

鐵人賽 AI & Data DAY 8

談MLOps - 模型、專案架構、產品化及維運系列第 8 篇

技術 MLOps專案關於安全性與合規性的10件注意事項

在ML的專案中，從資料的收集、建構模型、測試到部署到產品。這個流程除了需要自動化之外，也需要保有該行業或者市場所需的規範。從企業的管理層面來說，知道要把模型的建...

bymiachang ‧ 2021-09-08 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

0 Like 0 留言 1920 瀏覽

鐵人賽 AI & Data DAY 9

從 AI 落地談 MLOps 系列第 9 篇

技術 Day 09 : 用於生產的機械學習 - 定義範疇 Scope

在 Day 05 ML 專案生命週期介紹分為 4 個階段與 7 大主題，第 1 個階段為「定義範疇 Scoping」，相較其他 3 個階段，Scoping 較...

威利斯 ‧ 2021-09-09

0 Like 0 留言 4179 瀏覽

鐵人賽 AI & Data DAY 7

談MLOps - 模型、專案架構、產品化及維運系列第 7 篇

技術 ML專案的特徵工程為什麼存在？包含哪些層面？怎麼練手感？

在討論MLOps的過程當中，許多客戶會針對他們有興趣的事情提出不同的問題，像是：模型監測、安全性、常見案例、資料的隱私處理等等。其中一次在談論AWS的ML Le...

bymiachang ‧ 2021-09-07 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

0 Like 0 留言 5553 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 2145 瀏覽

鐵人賽 AI & Data DAY 6

談MLOps - 模型、專案架構、產品化及維運系列第 6 篇

技術從AWS技術白皮書看MLOps解決方案

在談過MLOps在廣泛的定義，以及拆分成團隊、技術、流程三個面向之後。想必大家也開始思考，一個好的專案和解決方案應該要長什麼樣子，有沒有哪些規範可以參考、有沒有...

bymiachang ‧ 2021-09-06 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

0 Like 0 留言 4662 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

1 Like 1 留言 3170 瀏覽

鐵人賽 AI & Data DAY 5

談MLOps - 模型、專案架構、產品化及維運系列第 5 篇

技術 MLOps 帶給商業與技術流程的5個好處與13個指標 | MLOps落地指南 - 流程篇

MLOps除了ML之外，另一部分則是DevOps(develop operations)。事實上，技術的運作(operation)與商業的運作是密不可分的。其中...

bymiachang ‧ 2021-09-05 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

2 Like 0 留言 20902 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 0 留言 1653 瀏覽

鐵人賽 AI & Data DAY 4

談MLOps - 模型、專案架構、產品化及維運系列第 4 篇

技術為什麼87% 的資料科學專案沒辦法產品化？ | MLOps落地指南 - 技術篇

“為什麼87% 的資料科學專案沒辦法產品化？”在Transform 2019 of VentureBeat[1] 的一篇報導給予了這樣的宣告。這並不是一個小數字...

bymiachang ‧ 2021-09-04 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

1 Like 0 留言 4174 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 2090 瀏覽

鐵人賽 AI & Data DAY 3

談MLOps - 模型、專案架構、產品化及維運系列第 3 篇

技術寫給MLOps人才培育苦手 | MLOps落地指南 - 團隊篇

當理解MLOps的定義、以及ML專案與軟體專案的差別之後，接下來我想談談如何再把MLOps往下切分成幾個面向，讓公司的決策人員能夠從大方向往下切分細節，開始落地...

bymiachang ‧ 2021-09-03 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

0 Like 0 留言 4343 瀏覽

鐵人賽 AI & Data DAY 4

從 AI 落地談 MLOps 系列第 4 篇

技術 Day 04 : 以資料為中心的人工智慧 Data - Centric AI

垃圾進垃圾出「 Garbage in, garbage out 」，不去檢視垃圾有多垃圾的情況下，用再好的模型都是垃圾! Day 03 有提到 AI 數據...

威利斯 ‧ 2021-09-04

0 Like 0 留言 2051 瀏覽

鐵人賽 AI & Data DAY 2

談MLOps - 模型、專案架構、產品化及維運系列第 2 篇

技術 3面向談ML產品與軟體產品的相異處

在過去的5-7年當中，ML已經不再只限於研究人員能夠接觸、使用，越來越多的AI/ML工具以及產品出現，使得能夠談論這個領域的人變多了，踏入ML工作的門檻也逐漸降...

bymiachang ‧ 2021-09-02 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

1 Like 0 留言 2936 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

1 Like 2 留言 2632 瀏覽

鐵人賽 AI & Data DAY 1

談MLOps - 模型、專案架構、產品化及維運系列第 1 篇

技術學習MLOps前暖身操：why, what, who?

接下來的30天，我們會一起看MLOps的更多層面。從為什麼產業開始談MLOps開始，以及其包含的技術與非技術面。今天我想談的是關於學習mlops前必備的3個背景...

bymiachang ‧ 2021-09-01 ‧團隊能去健身房後發現硬舉退步一百公斤的五隻雞

2 Like 0 留言 3276 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

1 Like 0 留言 3125 瀏覽

鐵人賽 AI & Data DAY 1

從 AI 落地談 MLOps 系列第 1 篇

技術 Day 01 : 這系列文在做什麼-緣起

前言鐵人賽是磨練自己技術能力的指標，2020 年參加鐵人賽自我挑戰組的「用Line聊天機器人串起多媒體系統」系列文，以初學者/自學者或大學一年級選修課程的程...

威利斯 ‧ 2021-09-01

0 Like 0 留言 1135 瀏覽

鐵人賽 DevOps DAY 21

30 Days of MLOps 系列第 21 篇

技術 Cloud ML Platform

今天已經第 21 天了，聊到這大家應該可以感覺到 MLOps 好像沒有我們想像的這麼簡單，感覺好多事要做，但越複雜的東西，就越有商機可循，所以我們有最後一招，新...

alincode ‧ 2020-10-06

0 Like 0 留言 1184 瀏覽

鐵人賽 DevOps DAY 20

30 Days of MLOps 系列第 20 篇

技術 experimental 函式

這個 API 還在實驗階段，只有 tf-nightly 版本才支援。 VariablePolicy 政策 exported = tf.train.Check...

alincode ‧ 2020-10-05

0 Like 0 留言 1058 瀏覽

鐵人賽 DevOps DAY 19

30 Days of MLOps 系列第 19 篇

技術 A/B Testing

當我們有 Model 後，我們就必須要觀察這個 Model 的成效到底好不好，如果成效不好的話，也許會開發一個新的 Model，那這又產生了另一個問題，就是新開...

alincode ‧ 2020-10-04

0 Like 0 留言 860 瀏覽

鐵人賽 DevOps DAY 18

30 Days of MLOps 系列第 18 篇

技術 Model 接到真實世界的步驟

Step1: 選擇並且開發一個適合的 Model Step2: 定義 DataSet 結構 Step3: 預處理資料，對於非預期的值，做資料清洗。 Step4...

alincode ‧ 2020-10-03

0 Like 0 留言 1492 瀏覽

鐵人賽 Software Development DAY 16

Microservices in Action: with example in Node.js 系列第 16 篇

技術 Production 環境 CI/CD

步驟說明 Step1: 打包客製化的 image docker build -f docker/auth-server.Dockerfile --build-a...

alincode ‧ 2020-10-01

0 Like 0 留言 2463 瀏覽

鐵人賽 DevOps DAY 15

30 Days of MLOps 系列第 15 篇

技術 tf.saved_model 命名空間下的類別

文章範例是使用 Tensorflow 2.3 version 實在忍不住小小抱怨一下 Tensorflow 的文件實在太糟了，連官方 Repo 裡的範例都...

alincode ‧ 2020-09-30

0 Like 0 留言 1277 瀏覽

鐵人賽 DevOps DAY 14

30 Days of MLOps 系列第 14 篇

技術 SignatureDefs

TensorFlow Serving 提供高層次的 API，但要使用這些 API， Model 必須要包含一個或多個 SignatureDefs，明確的定義了...

alincode ‧ 2020-09-29

0 Like 0 留言 1441 瀏覽

鐵人賽 DevOps DAY 13

30 Days of MLOps 系列第 13 篇

技術輸出可以 Serving 的 Model

這篇看錯方向，看到 tf v1 的文件去了，之後會再把內容更新成 v2 的。步驟定義 Serving interface 存成 Save Model...

alincode ‧ 2020-09-28