行百哩路半九十,即便各種先進的AI模型如雨後春筍般化為現實,AI成功落地佈署至商業情境仍是困難重重,營運中的商業服務如何調整其ML算法,讓服務經得起時間及使用者的考驗,必須反覆推敲範疇、資料、模型及佈署的問題,進一步而言,有沒有關於AI落地、ML in Production、MLOps的解決方案?
既然佈署機械學習ML的工程實務逐漸歸納並越受重視,也多虧軟體工程DevOps精神興起與CI/CD實務越漸普及,本系列期待透過鐵人賽將系列知識做個梳理,拋磚引玉,協助銜接ML商務落地的一哩路,以及對AI有志趣者,補充除了AI建模以外需要關注的面向。
如果說可以讓模型縮小10倍,精度還維持水準,這是什麼巫術? 延續 Day 20 的模型優化作法,本次再結合剪枝技術做到更輕量的模型效果。 什麼是剪枝 Pru...
什麼是知識蒸餾 Knowledge Distillation 知識蒸餾 Knowledge Distillation 為模型壓縮技術,其中 student 模...
模型分析 TFMA 介紹 過往我們關注模型的訓練結果,會追蹤該模型在每次 epochs 之後的 AUC 、 ACC、 loss 等指標變化,並且以視覺化繪圖...
當您用心呵護的機械學習終於實現,期待能滿足與提升使用者福祉,您應該有足夠的信心與能力對產品負責, AI 產品亦然。 延續系列文對您的機械學習產品生命週期的思考...
AI 黑箱作業已經被詬病許久,因為 AI 類神經網絡的複雜性不似機械學習的樹狀結構、線性結構容易理解中間判斷過程,但隨著可解釋 AI 技術的出現,理解模型可...
模型公平性的思考 隨著 AI 對於各領域和社會的影響逐漸增加,建立公平且可包容所有人的系統至關重要,為達到負責任的 AI,重視公平性,實踐以人為本的設計初衷...
在網路情境常以 API 請求服務,用於生產的機械學習亦可用 REST API 形式提供服務。在Day 20、Day 21、Day 22 介紹部署在算力有限的終...
什麼是 TensorFlow Extended (TFX) TensorFlow Extended (TFX) 是端對端平台,可部署於用於生產環境中的機器學習...
用於生產的機械學習系統,在 Day 28 介紹 TensorFlow Extended (TFX) 解決方案,是專門用於可擴充的高效能機器學習工作,包括建立模...
MLOps 是值得持續投入的新興學門,如同 Day 01 談到的此系列目的,談如何從佈署機械學習至商業情境(ML in Production),並關注佈署之...