鐵人檔案
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。
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，...
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 ->...
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...
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...
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...
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...
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...
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...
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...
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...
