鐵人檔案
這次的鐵人賽，我想用 「ML領域超級初學者」 的角度，記錄我在摸索 LLMOps 的過程。
「LLMOps」 聽起來很專業，但簡單來說，就是 ------ 如何把大語言模型 (LLM) 放到實際專案裡，並且能穩定、便宜又可控地跑起來。
因為我本身有一點 DevOps 的背景，所以會把這個系列寫成「實驗筆記」的形式：
每天試一個小主題，我會把程式碼都放在文章和 GitHub Repo 上，讓讀文章的人可以跟著一起練習，而不只是看概念。因為不是 ML 專家等級的文獻，文中不會過多的探究模型之間的差異性，如果讀者有興趣的話，可以自行深入探究，這邊的模型僅供學習參考。
🔹 對於前輩的感謝 我在工作中有遇到一位很特別的前輩，他太忙了大概不會看鐵人賽。 他對於基礎建設成本數字的精算程度以及技術選型都讓人望塵莫及，讓我對於 SRE...
📝 TL;DR > 本文示範如何在 M3 本機完成 LoRA 微調（訓練 30 分鐘），採用 CPU 示範確保通用性，M3 可用 MPS/MLX 加速。...
🔹 前言 在 Day32 - 進階篇：Mac M3 本機 LoRA 微調 Qwen2.5 （30 分鐘，準確率 92%） 我完成了 LoRA 微調流程，最終用...
（文中有彩蛋 🥚 還記得 Day31 的前輩教我們要仔細評估技術選型嗎？為什麼場景裡的 SRE 會回答 $1-3K 每個月呢？） 🔹 前言 回顧 LoRA 微調...
