iT邦幫忙

鐵人檔案

2021 iThome 鐵人賽
回列表
AI & Data

後端工程師的ML入門理解與Vertex AI 系列

以後端工程師的身份角度出發,分享我們從零開始摸索機器學習,與試圖理解相關必要的基礎知識之後,嘗試應用的心得,搭配google提供的GCP Vertex AI工具實作。

鐵人鍊成 | 共 30 篇文章 | 5 人訂閱 訂閱系列文 RSS系列文 團隊神龍特攻隊 - it 宏的逆襲
DAY 21

介紹Vertex(4) | ML#Day21

繼訓練好模型之後,這篇介紹「部署」和「預測」的使用。 Vertex提供非常無腦的一鍵部署方式,不需要開VM或設定機器規格,甚至網路環境參數都不需要,只要點一下,...

2021-09-29 ‧ 由 虎斑貓 分享
DAY 22

R^2 決定係數 | ML#Day22

到目前為止,我們靠著不斷嘗試和Vertex的幫助之下,順利地走完一個週期。 了解概論 -> 命題 -> 準備資料 -> 訓練模型 ->...

2021-09-30 ‧ 由 虎斑貓 分享
DAY 23

其他名詞解釋 | ML#Day23

承上一篇,模型訓練完成之後的那些Vertex列出評估函數,除了R^2也一併介紹剩下的名詞。 MAE (平均絕對誤差) 我們在最小平方法的時候,有跟大家介紹...

2021-10-01 ‧ 由 虎斑貓 分享
DAY 24

改善R^2 (1) | ML#Day24

如同「決定係數篇」所介紹,R^2的數字越趨近於1,模型能夠解釋的能力越強,那麼我們就是追尋更好的R^2數字。 除了嘗試挖掘更多派得上用場的參數,總結我們這段時間...

2021-10-02 ‧ 由 虎斑貓 分享
DAY 25

改善R^2 (2) | ML#Day25

接續上一篇,第二種改善R^2的經驗。 2 . 減少極端值的影響 所謂的模型輸出的準確性,也可以這麼想: 如果輸出的結果是如預期,輸入的該資料剛好是模型可以解釋的...

2021-10-03 ‧ 由 虎斑貓 分享
DAY 26

使用Vertex匯出的模型 | ML#Day26

模型訓練完成後,除了使用Vertex的一鍵部署,若想要自行部署或在自己電腦上使用該怎麼做呢? 跟大家分享之前誤會的經驗,以及正確的使用方式。 起因是這樣子,由於...

2021-10-04 ‧ 由 虎斑貓 分享
DAY 27

BigQuery 與Machine Learning | ML#Day27

在引用資料來源的時候,除了上傳csv的選項,另外一個就是BigQuery。 早在開始摸索ML之前,Google的人員就無數次跟我們推薦BigQuery,只是一直...

2021-10-05 ‧ 由 虎斑貓 分享
DAY 28

總結 | ML#Day28

由於自己對ML的所知的大略概念,和Vertex的基本使用方式介紹已經結束,已經能夠部署和得到預估值,剩下的就是調整模型變得更好,以及做出更好的資料,或考慮進階的...

2021-10-06 ‧ 由 虎斑貓 分享
DAY 29

延伸(1)-ML接入團隊的原本開發生態 | ML#Day29

背景提要 團隊走DevOps文化,所以頻繁地溝通理解,以及任何東西考慮對於系統的定位,已經是我們再熟悉不過的工作思維。 微服務化的系統,就我自己的解釋,會說每個...

2021-10-07 ‧ 由 虎斑貓 分享
DAY 30

延伸(2)-ML到底要不要念統計 | ML#Day30

就這半年以來的經驗,會覺得是需要。 既然資料是關鍵的部分,那麼判讀資料的組成和分佈,運用上統計的知識會更有效率。 有時候問題就是這樣,當你能夠了解問題在哪裡,才...

2021-10-08 ‧ 由 虎斑貓 分享