iT邦幫忙

鐵人檔案

2021 iThome 鐵人賽
回列表
AI & Data

談MLOps - 模型、專案架構、產品化及維運 系列

把一個ML模型從研發階段進展到產品階段,需要有多少的關卡需要突破?這30天讓我們一起看幾個案例,從團隊、技術、流程三個方面思考,MLOps(Machine Learning Operations)的範疇以及實作過程會遇到的困難。除了案例分享之外,筆者也收集幾個客戶的常見問題,讓大家一起來想想,為什麼會有這些問題,可能的解法有哪些等等。讓大家在學習之餘,也透過別人的發問,反思自己目前在開發上遇到的狀況。

DAY 11

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

接續上一篇關於專案參加角色與pipeline的介紹,這一篇繼續談論每一區塊需要的服務以及如何依照使用情境的順序將各服務串接。 *圖片來源:使用 MLOps 在...

2021-09-11 ‧ 由 bymiachang 分享
DAY 12

案例:AWS MLOps Framework - 解決方案介紹

在AWS solutions library你可以找到數十份各式各樣的解決方案參考文件,在這個解決方案圖書館,每一個解決方案都有提供自動部署的文件,讓你可以一鍵...

2021-09-12 ‧ 由 bymiachang 分享
DAY 13

案例:AWS MLOps Framework - 成本、架構概覽

昨天看到了AWS MLOps Framework的兩個方案的架構圖,以及解決方案簡介之後,今天想討論的是成本(該解決方案的費用)、哪些工具可以用來估算費用、費用...

2021-09-13 ‧ 由 bymiachang 分享
DAY 14

案例:AWS MLOps Framework - AWS CloudFormation 模板,部署單帳號版本

此解決方案使用 AWS CloudFormation 來自動化部署。它包括以下兩個模板 — 單帳戶部署選項和多帳戶部署選項。接下來我們簡單認識一下AWS Clo...

2021-09-14 ‧ 由 bymiachang 分享
DAY 15

案例:MLOps在醫療產業(上) - 5個常見案例與3個風險來源

隨著生物醫學數據的增加,機器學習可以提供各式服務來幫助人類。常見的案例像是:診斷問題、藥物發明、虛擬醫療保健等。在醫療產業推機器學習的服務,會遇到哪些常見的監管...

2021-09-15 ‧ 由 bymiachang 分享
DAY 16

案例:MLOps在醫療產業(下) - 3個局限性與4個學習要點

跟AI/ML 有關的監管考量 在前一篇的文章指出,在醫療產業中的監管文獻有兩篇。然而這兩篇的內容其實都不是針對ML的案例而寫的。在MDCG的另一個規範MDR/I...

2021-09-16 ‧ 由 bymiachang 分享
DAY 17

MLOps在金融產業:常見案例與工作流程

在金融產業的ML 在algorithmia的2021 年企業機器學習趨勢調查顯示,關於客戶體驗跟流程自動化的案例,其中幾個比較顯著的,像是改進客戶體驗、增進客戶...

2021-09-17 ‧ 由 bymiachang 分享
DAY 18

MLOps在金融產業: 4個步驟建立安全ML環境

在前面的MLOps在金融產業:常見案例與工作流程文章當中,曾經提到,在金融業當中的MLOps可帶來的規範文件、常見工作流程。 今天將針對提供安全的機器學習環境來...

2021-09-18 ‧ 由 bymiachang 分享
DAY 19

MLOps在金融產業:看懂金融審計如何導入ML專案(附所需文件清單)

在algorithmia的 2021 年報告顯示,大多數組織在機器學習方面面臨一定程度的監管負擔,67% 的組織必須遵守多項法規。這些法規包含ISO, OCC,...

2021-09-19 ‧ 由 bymiachang 分享
DAY 20

MLOps在金融產業:模型的可解釋性與公平性

有一些模型像是邏輯回歸和決策樹,背後運作的原因相當簡單明瞭,容易解釋模型是如何得出其輸出的。但隨著更多特徵的添加或更複雜的機器學習模型的使用,可解釋性變得更加困...

2021-09-20 ‧ 由 bymiachang 分享