鐵人檔案
使用MLFlow從零開始建置模型應用的完善流程。讓模型訓練不只能做出模型，還要可追蹤還原、可比較、可部署、可被前端使用。
透過本次30天的文章歸納，一起來學會如何用Docker建置MLflow + FastAPI + Streamlit，並且實現完整ML生命週期。
🎯 目標 今天的重點是： 認識 FastAPI 的運作架構。 在現有 Docker 專案中新增 FastAPI 服務。 建立第一個 /health 測試端點。...
🎯 今日目標 今天我們要讓 FastAPI 真的能提供推薦結果。這意味著： 從 MLflow Model Registry（Staging） 載入模型。 建立...
🎯 今日目標 建立一個 /log-ab-event API，用來紀錄使用者行為事件（例如「使用者點擊了推薦的動畫」）。 資料會寫入 workspace/log...
