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。
歡迎來到 「 從0開始的MLFLOW應用搭建 」。Hi 各位我是Josh,也是一名資料工作者,期待透過這次的分享把MLFLOW的知識內容整理起來與各位大大分享,...
背景與目標(為什麼要做) 訓練模型的時候就像是做了一次次的實驗,如果沒有好好做每次訓練的實驗記錄,當我們發現優秀的模型,想要再進一步重現與改進,將會非常困擾,因...
背景與目標 為了訓練動畫推薦系統,我們需要可靠的資料來源。本專案選擇使用 Kaggle 上的 Anime Recommendation Database 當作參...
? 背景與目標說明 昨天(Day 3),我們已經成功從 Kaggle 抓下 Anime Recommendations Database 的兩個主要檔案:...