iT邦幫忙

鐵人檔案

2024 iThome 鐵人賽
回列表
AI/ ML & Data

從零開始學 MLOps,一起建立一個自動化機器學習系統吧! 系列

在實際應用機器學習的過程中,模型的架構與訓練固然重要,但這僅僅是整個系統中的冰山一角。真正的挑戰在於如何持續有效地佈署、測試與更新模型,而 MLOps (Machine Learning Operations) 就是結合 ML 和 DevOps ,以實現機器學習系統的自動化為目標提出的一系列解決方案。
這系列文章並不會從機器學習的基本概念開始,而是著重於實際應用,帶領讀者從零開始,逐步構建一個自動化的機器學習系統。在與我一同學習的過程中,除了獲取相關知識外,我也希望能讓讀者了解這個過程中可能遇到的各種挑戰,以及如何應對這些問題,從而實現系統的自動化與最佳化。

參賽天數 12 天 | 共 12 篇文章 | 0 人訂閱 訂閱系列文 RSS系列文
DAY 11

[Day 11] 問題類型:資料表示 (Data Presentation)

摘要   今天將探討資料表示問題,也將進一步介紹「特徵工程」、「可學習資料表示法」等定義。此外,還簡要介紹了四種設計模式,並預告將於明後天深入討論 Hashed...

2024-09-25 ‧ 由 haru0314 分享
DAY 12

[Day 12] 設計模式:被雜湊的特徵 (Hashed Feature)

摘要   本文章討論了處理詞彙表不完整與高基數分類特徵的問題,特別聚焦於 one-hot 編碼和雜湊方法的優缺點。one-hot 編碼導致資料稀疏和維度膨脹,對...

2024-09-26 ‧ 由 haru0314 分享