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...
特徵選擇是機器學習中的核心概念之一,不相關或部分相關的特徵會對模型性能產生負面影響,也會有效能的問題,適當的挑選與目標變量最相關的特徵集,有助降低模型的複雜性,...
當我們訓練模型需要部署在硬體較為受限的智慧型裝置、IOT設備,模型運算在吃緊的硬體資源中顯得笨重,此時可以採取模型優化策略改進。 量化 Quantizatio...
什麼是知識蒸餾 Knowledge Distillation 知識蒸餾 Knowledge Distillation 為模型壓縮技術,其中 student 模...
接續將關注焦點來到 Model 的主題,在您閱讀本系列文章之前,您或許已有建模經驗,在用於生產的機械學習情境,手動調參優化模型與資料是耗費人時的吃重工作,自動...
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...
AI 黑箱作業已經被詬病許久,因為 AI 類神經網絡的複雜性不似機械學習的樹狀結構、線性結構容易理解中間判斷過程,但隨著可解釋 AI 技術的出現,理解模型可...
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...
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...
前言 我們花了將近一周的時間來介紹部署深度學習模型背後的概念,我想大家應該很想知道究竟該怎麼實作,所以今天就來動動手吧。這部分的程式碼主要規劃為在本機端執行,所...
如果說可以讓模型縮小10倍,精度還維持水準,這是什麼巫術? 延續 Day 20 的模型優化作法,本次再結合剪枝技術做到更輕量的模型效果。 什麼是剪枝 Pru...
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...
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...
什麼是 MLOps?用最短的一句話來解釋它的話,MLOps 就是 Machine Learning 的 DevOps。 MLOps = Machine Lear...
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...
部署模型有兩個主要的挑戰,事實上這兩個挑戰隱含了機器學習產品生命週期裡的 "部署 (Deploy in production)" 與 &qu...
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...
AI system = Code (Algorithm/Model) + Data TL;DR 建立 ML 系統時,要把 AI system = Code ...
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...
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...
今日份 Ferris 今天要來下載 Taiwan LLaMa 模型啦,在 Ferris 的介紹下 Taiwan LLaMa 跟 Iron LLaMa 也聯手了!...
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...
前言 昨天我們使用了 fastAPI 內建 client 的 UI 來與 API 互動,今天我們改為利用 Python 的 requests 函式庫編寫一個最簡...
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、...
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...
MLOps is an emerging discipline and comprises a set of tools and principles to ...
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...
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...
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...
I used to be an adventurer like you, then I took an arrow in the knee. — Lots o...