開始為期一年的機器學習工程計畫：從理論到現實的旅程
課後感到失望嗎？ 我知道這種感覺。在完成幾個 DeepLearning.AI 專業課程後，我意識到缺少一些重要的東西：建立複雜機器學習系統的實務經驗。 因此，我將在明年致力於一個全面的機器學習工程項目——沒有捷徑，只有現實世界的工程。
這不是典型的「三個月專家」方法。 真正的專業知識需要時間和專注的努力，就像掌握樂器需要不斷的練習和克服挑戰一樣。 建立可用於生產的機器學習系統涉及處理混亂的數據、創建強大且可擴展的管道、整合現代工具（LangChain、LangGraph）以及了解每個決策背後的「原因」。
我的 Medium 系列將記錄這段旅程，提供我的幕後流程。 期待看到：
我將使用 AWS、GCP、Docker、Apache Airflow、Hugging Face 和 Kaggle 等工具，不僅示範如何使用它們，而且為什麼具體選擇是製成。 這對我來說也是一次學習的經驗！
本系列與典型的 ML 教程不同，它展示了挑戰、決策過程，並承認「最佳實踐」並不總是普遍適用。 我來分享：
這是一趟協作之旅。我將分享我的程式碼、思考過程和挑戰，並鼓勵您的參與、觀點和想法。讓我們一起學習，一起成長吧！
下週，我們將解決設定開發環境的問題 - 比普通的「安裝這些軟體包」教學更具吸引力的體驗。 考慮一下：一年後，您是否想完成大量教程或建立一些實質性的東西來展示您的工程技能？
系列註解：我已經領先了幾步。 第一篇文章只是深思熟慮的對話的開始，而不是一系列倉促的每週更新。
讓我們聯絡！ 在 LinkedIn (Vitor Carvalho) 上加入我，討論 ML 工程、分享經驗並提供指導。 讓我們互相學習吧！
下週見！
以上是真正的ML工程旅程：從頭開始建造的長期冒險的詳細內容。更多資訊請關注PHP中文網其他相關文章！
