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 21

MLOps在金融產業:關於ML系統監控的why, what, how

我們常常聽到,在一個ML專案當中,會需要做各種的資料監控。這些資料監控包含哪些呢? 開發流程在開發流程當中,不管是資料、程式碼、模型,都會需要透過版本控制監...

2021-09-21 ‧ 由 bymiachang 分享
DAY 22

MLOps在金融產業:模型監控(資料漂移與特徵漂移)

線上模型的偏差漂移 Amazon SageMaker Clarify 偏差監控的功能可以幫助資料科學家和機器學習工程師定期監控偏差預測。這些報告可以在SageM...

2021-09-22 ‧ 由 bymiachang 分享
DAY 23

MLOps在金融產業:系統再現

再現性是指在這個模型產生出來以後,由不同的開發者或利益相關者,重新創建相同 ML 模型的能力。這其中牽涉到同時減少過程中涉及的隨機性。透過重現來驗證端到端的開發...

2021-09-23 ‧ 由 bymiachang 分享
DAY 24

案例:自動化文件訊息提取

自動化文件訊息提取可幫助您處理包含標題和表格內容的大量業務文檔。 例如,使用提取的資料自動處理應付賬款、發票或付款單,同時確保發票和應付的帳款數字相同。 將文件...

2021-09-24 ‧ 由 bymiachang 分享
DAY 25

透過機器學習審查合約書的4個優點

根據《哈佛商業評論》分享的一項報告數據,“低效率的合約管理流程會導致公司在特定交易中損失 5% 到 40% 的價值。”,也因此,更好的合約管理可以提高效率、生產...

2021-09-25 ‧ 由 bymiachang 分享
DAY 25

媒體分析為公司帶來的5項好處及4個常見使用情境

近幾年,媒體產業當中,以及社群軟體的應用,使得影片、聲音和圖像這些不同形式的內容正飛速的增長。不管是在娛樂、教育和廣告,各產業正透過這些媒體與觀眾進行深度互動。...

2021-09-27 ‧ 由 bymiachang 分享
DAY 25

整理6個媒體產業在機器學習應用的趨勢

在媒體、娛樂和創意產業中,機器學習與人工智能的使用越來越多。不管是管理數位內容、提供創作者新的靈感等等,這些都會是在媒體產業應用的範疇。在這些應用領域當中,對於...

2021-09-28 ‧ 由 bymiachang 分享
DAY 25

管理、技術、商業層面來看:應該買一個?還是自己建一個機器學習系統?

在決定要引入機器學習專案的時候,第一個要思考的問題就是,這個服務應該要從外面買?還是要自己建一個?(buy or build)。這個問題從管理層面、技術層面與商...

2021-09-29 ‧ 由 bymiachang 分享
DAY 25

負責任的機器學習專案

機器學習的應用程式,介於使用者面向服務、統計學和計算機科學有所交集的領域。使用者面向服務包含個別用戶以及企業用戶。當機器學習服務在市場上愈來愈常見的同時,我們也...

2021-09-30 ‧ 由 bymiachang 分享