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。
今天讓我們來聊聊在做搜尋或推薦系統絕對不可或缺的 Vector Search 演算法。 我們在前面有提過 Netflix 的 in-video search，讓...
在介紹 Netflix 的 MLOps 時，怎麼能夠不提到他們開發的開源框架——Metaflow。 這是一個用來簡化 data scientists 和 mac...
昨天我們認識了 Metaflow 的基本用法，今天讓我們深入探討一些進階設定和功能。 Parameters、IncludeFile 和版本紀錄 Paramete...
前面兩天介紹了 Metaflow 的基本功能，以及用資料處理來示範如何使用 Metaflow。不過，Metaflow 作為一個強大的 workflow 管理工具...
在介紹完資料處理、資料搜尋、模型建立與部署之後，終於進入到最後一個環節——監控模型表現啦！ 我們在前面有介紹過什麼是 data drift，以及他所帶來的問題。...
鐵人賽終於進入倒數階段，我們也已經介紹完科技公司在機器學習專案中每個步驟的實作方式，接下來，該來正式建立一個完整的 ml 專案吧！ 我們會在三天的內容中，規劃一...
昨天介紹 data pipeline 的管理工具，今天讓我們邁入下一步，先來介紹資料版本要如何控管，接著介紹在建立機器學習模型時，要如何有效率地進行實驗追蹤和視...
我們在前一天介紹 DVC 這個強大的工具，可以用來管理資料和模型的版本，也可以使用它來追蹤實驗數據。不過，講到機器學習的實驗數據管理，也不可能不提到 Tenso...
任何曾參與將機器學習模型投入 production 的人都知道，將模型從實驗階段推向 production 並非易事。身為 data-driven 的大公司 S...
終於又完成一次鐵人賽啦！回顧一下這 30 天的內容，我們先介紹 ML 專案生命週期的五大步驟，以及每個步驟需要注意的細節： Step 1. 定義商業指標（De...
