鐵人檔案
- MLOps 混合雲的實踐
- LLM 簡介與 MLOps 關係
- 使用 MLOps & LLMOps 的工具與生態圈
- Databricks, Azure Machine Learning
- MLflow
Day01 - 寫在之前: 為何您需要知道 "MLOps/LLMOps - 從零開始" 這篇系列文? MLOps 的發展也已經經歷了 5...
MLOps 發展已經有一段時間，但是在 2020 年才開始逐漸被廣泛討論，這是因為在過去許多企業開始將 AI/ML 應用於生產環境，並開始面臨 AI/ML 應用...
LLM (Large Language Model) 是一個新興的研究領域，主要是研究如何訓練大型的語言模型，並且利用這些語言模型來解決各種 NLP 問題。LL...
底下的名詞為系列文中會提到，或是我認為重要的名詞，會陸續補上連結，以及簡單的說明。 MLOps LLMOps DevOps DataOps ModelOps...
目前 MLOps/LLMOps 常見的解決方案，主要有以下幾個： MLflowMLflow 是用來管理 End-to-End 機器學習生命週期的開放原始碼平...
這篇目的在於可以在本地端架設 MLflow tracking server，下一篇會介紹 MLflow 的基本操作。 首先，我們先來看看 MLflow 的幾個基...
本篇會使用 MLflow example project 來熟悉 MLflow Tracking 的基本操作。 首先，Git clone MLflow exam...
因為我們在 Day06 是用本機的 Container 跑 local MLflow tracking server，所以需要在原本的 train.py 裡面，...
在前一篇的基礎上，我們先將模型打包成 MLflow Model。請將 model 整個資料夾都下載下來。 打開 Azure Machine Learni...
到目前為止，我們透過 MLflow 的方式，將實驗結果記錄下來，並且註冊模型。接下來，我們要來複習一下 MLOps 的基本觀念。 根據 "The Bi...
