鐵人檔案
在這個系列文中，我們將探索機器學習（Machine Learning，ML）專案的完整生命週期，特別聚焦於機器學習專案的五大關鍵步驟，以及深入剖析科技巨頭如何實踐這些步驟。
本系列文將借鑒於各大科技公司的經驗，從理論到實踐，從學術到業界，提供全面的 ML 專案視角。我們將探討如何有效管理 ML 專案的各個階段，從而在這個快速發展的領域中站得更高，看得更遠。
前言 兩年前我也曾經參加過 iThome 舉辦的鐵人賽（當時的系列文：那些在科技公司和 app 背後的資料科學），當時的我才剛畢業，甫入職場，對機器學習專案的想...
機器學習模型的建立和部署，和一般的軟體專案有什麼不同嗎？為什麼需要特別拉出來討論呢？Google 在 2015 年發表的〈Hidden Technical De...
今天，我們會介紹一個完整的機器學習專案需要包含的五個步驟。 ML Project Lifecycle 介紹 根據 Andrew Ng 的 Coursera 課程...
今天終於要來介紹 ML Project Lifecycle 的五個步驟了！讓我們來複習一下，根據 Andrew Ng，一個完整的機器學習專案分為五個主要步驟：...
在明確定義出商業目標之後，接下來就可以開始著手準備資料啦！資料的準備通常分為以下幾個步驟： 蒐集資料（data collection） 標記資料（data l...
今天我們進入 ML 專案的第三個步驟——建立模型（Build the Model）。 為了訓練出一個可以實際部署上線並解決商業需求的模型，機器學習專案往往會經...
在終於訓練出一個表現十分良好，又符合商業目標的模型之後，接下來就要將模型部署上線啦！這是一個關鍵環節，讓你的模型不只停留在個人電腦中，也可以鑲嵌在產品中，為提供...
終於走到整個機器學習專案的最後一步啦！我們訓練出一個表現優秀的模型，也成功將模型部署上線，並實際開始運行。不過，這並不代表我們的工作已經結束了，監控模型的表現和...
我們在前面五天中，介紹了機器學習生命週期的五個步驟，在 Step 5. 檢查模型表現時，如果發現模型表現退步，可以退回去 Step 2 重新蒐集資料、或是檢查資...
終於把機器學習專案的生命週期介紹完畢啦！從今天開始，我們會介紹各大科技公司是如何實作之前介紹過的五個步驟，或是做了什麼事情來讓他們在建立專案的時後更加有效率又流...
