PJ Wang【機器學習從零到一】Day6: 利用Docker 建立機器學習容器從學生時期開始接觸機器學習,當初以為的 Machine learning 就只要會處理資料、訓練模型、得到比較高的準確率,然後就此結束,但出社會後發現,從 Jupyter 到 Production 的路還有段距離,那該怎麼辦呢?9 min read·Aug 11, 2019--2--2
PJ Wang【機器學習從零到一】Day5: 利用 Flask 部署機器學習套件從學生時期開始接觸機器學習,當初以為的 Machine learning 就只要會處理資料、訓練模型、得到比較高的準確率,然後就此結束,但出社會後發現,從 Jupyter 到 Production 的路還有段距離,那該怎麼辦呢?9 min read·Aug 9, 2019--1--1
PJ Wang【機器學習從零到一】 Day4: Data science 的版控 → DVC 的建立與使用從學生時期開始接觸機器學習,當初以為的 Machine learning 就只要會處理資料、訓練模型、得到比較高的準確率,然後就此結束,但出社會後發現,從 Jupyter 到 Production 的路還有段距離,那該怎麼辦呢?21 min read·Aug 4, 2019--3--3
PJ Wang【機器學習從零到一】 Day3: Pytorch 介紹與範例 (cosmetics classification)從學生時期開始接觸機器學習,當初以為的 Machine learning 就只要會處理資料、訓練模型、得到比較高的準確率,然後就此結束,但出社會後發現,從 Jupyter 到 Production 的路還有段距離,那該怎麼辦呢?9 min read·Jul 8, 2019--2--2
PJ Wang【機器學習從零到一】 Day2: 建立機器學習環境 (GPU environment)從學生時期開始接觸機器學習,當初以為的 Machine learning 就只要會處理資料、訓練模型、得到比較高的準確率,然後就此結束,但出社會後發現,從 Jupyter 到 Production 的路還有段距離,那該怎麼辦呢?6 min read·Jun 30, 2019--2--2
PJ Wang【機器學習從零到一】 Day1: 建立 GCP 機器 — VM 執行個體從學生時期開始接觸機器學習,當初以為的 Machine learning 就只要會處理資料、訓練模型、得到比較高的準確率,然後就此結束,但出社會後發現,從 Jupyter 到 Production 的路還有段距離,那該怎麼辦呢?6 min read·Jun 30, 2019--3--3