鐵人檔案
延續 2021 年鐵人賽《從 AI 落地談 MLOps》的探索，本系列再次追問：「AI 如何真正落地？」並以 4,343 筆 AI 相關職缺為線索，重新檢視企業所需的技術與能力。內容採 MLOps × GenAI Engineering 雙主軸，涵蓋資料與模型管理、自動化部署、監控治理、RAG、模型評測、LLMOps 與 AI Agent。透過可執行的專案串聯觀念與工具，帶領讀者打造可部署、可維護、可觀測的 AI 系統，逐步建立 AI Engineer 所需的工程能力。(開賽截止前再次回歸)
資料有版本（Day 09）、實驗有紀錄（Day 10），今天加上最重要會擋人的門，把它們串成一條自動跑也安心的管線。 這是 Level 0 到 Level 1...
今天進入 MLOps 職缺中出現頻率最高的領域：AI／ML 平臺與基礎設施（58.5%）。 本日不包含 Kubernetes 的全部——那是一本書的量，而且新入...
昨天服務跑起來了。今天回答：它跑得好不好？ 面試時很容易被問到的題目，包含「你的服務延遲多少」、「怎麼提升吞吐」及「P99 為什麼重要」？這三題答得好，入職的機...
Day 04 曾說過「不能省的三件事」：可重現、監控、評測。Day 08 提到「只能投資一項就選監控」。今天就講為什麼。 如果這 30 天你只讀一篇，建議這篇要...
前七天，我們一路處理模型如何可靠地上線、持續部署、監控，以及出問題時怎麼發現。今天換一個主管通常更有感的問題： 這套 AI 系統，到底花多少錢？ 模型能活著還不...
今天進入主軸二：生成式 AI。前八天我們在解決關於 MLOps 的「模型會不會掛」，接下來八天解決「模型會不會智商下線」。 主軸一的讀者會發現，這邊的問題同樣需...
2020 年我初次參加鐵人賽寫的是《用 LINE 串起多媒體系統》（GitHub），那 30 天在做的事，本質上是：接收使用者訊息 → 判斷意圖 → 呼叫對應的...
今天進入生成式 AI 職缺中出現頻率最高的主題：RAG（48.1%）。 因為它太重要，我用三天處理：今天講索引端（文件怎麼進去）、明天講檢索端（怎麼找出來）、後...
昨天說明文件的索引，今天處理：怎麼把對的東西找出來。 今天說明的混合檢索、重排序、查詢改寫等3個技術是實務上 CP 值最高的三個優化，而且都不需要換模型。 今天...
RAG 三部曲的最後一天。文件進去了（Day 18）、找出來了（Day 19），今天處理怎麼用與怎麼知道好不好。 後半段特別重要——因為 Day 19 提到的所...
