开始为期一年的机器学习工程项目:从理论到现实的旅程
课后感到失望吗? 我知道这种感觉。在完成几个 DeepLearning.AI 专业课程后,我意识到缺少一些重要的东西:构建复杂机器学习系统的实践经验。 因此,我将在明年致力于一个全面的机器学习工程项目——没有捷径,只有现实世界的工程。
这不是典型的“三个月专家”方法。 真正的专业知识需要时间和专注的努力,就像掌握乐器需要不断的练习和克服挑战一样。 构建可用于生产的机器学习系统涉及处理混乱的数据、创建强大且可扩展的管道、集成现代工具(LangChain、LangGraph)以及了解每个决策背后的“原因”。
我的 Medium 系列将记录这段旅程,提供我的幕后过程。 期待看到:
我将使用 AWS、GCP、Docker、Apache Airflow、Hugging Face 和 Kaggle 等工具,不仅演示如何使用它们,而且为什么具体选择是制成。 这对我来说也是一次学习的经历!
本系列与典型的 ML 教程不同,它展示了挑战、决策过程,并承认“最佳实践”并不总是普遍适用。 我来分享:
这是一次协作之旅。我将分享我的代码、思维过程和挑战,并鼓励您的参与、观点和想法。让我们一起学习,一起成长!
下周,我们将解决设置开发环境的问题 - 比普通的“安装这些软件包”教程更具吸引力的体验。 考虑一下:一年后,您是否想完成大量教程或构建一些实质性的东西来展示您的工程技能?
系列注释:我已经领先了几步。 第一篇文章只是一次深思熟虑的对话的开始,而不是一系列仓促的每周更新。
让我们联系! 在 LinkedIn (Vitor Carvalho) 上加入我,讨论 ML 工程、分享经验并提供指导。 让我们互相学习吧!
下周见!
以上是真正的机器学习工程之旅:从头开始构建的长达一年的冒险的详细内容。更多信息请关注PHP中文网其他相关文章!