franztao

Talk is cheap, show me the code.

测试机器学习系统：代码、数据和模型

2022年10月

Intuition 在本课中，将学习如何测试代码、数据和模型，以构建可以可靠迭代的机器学习系统。测试是确保某些东西按预期工作的一种方式。被激励在开发周期中尽早实施测试并发现错误来源，以便可以降低下游成本和浪费时间。一旦设计了测试，可以在每次更改或添加到代码库时自动执行它们。 tip 强烈建议您在完成之前的课程_后_探索本课程，因为主题（和代码）是迭代开发的。但是，确实创建了 ...

Posted by franztao on October 1, 2022

命令行界面 (CLI) 应用程序

2022年10月

使用命令行界面 (CLI) 应用程序来组织应用程序的进程。 Intuition 当模型要提供服务时，需要考虑将应用程序的功能公开给自己、团队成员以及最终最终使用用户。实现这一点的接口会有所不同。回想一下Organization lesson，通过终端和 Python 解释器执行main operations from tagifai import main main.elt_data(...

Posted by franztao on October 1, 2022

模型服务 API

2022年10月

设计和部署 API 以服务于机器学习模型。 Intuition CLI 应用程序使与模型交互变得更加容易，特别是对于可能不想深入研究代码库的团队成员。但是使用 CLI 为模型提供服务有几个限制： 用户需要访问终端、代码库、虚拟环境等。 终端上的 CLI 输出不可导出 为了解决这些问题，将开发一个应用程序编程接口 (API)，_任何人都_可以通过一个简单的请求与应用程序进行...

Posted by franztao on October 1, 2022

评估机器学习模型

2022年10月

评估机器学习模型 通过整体、每类和slice性能来评估 ML 模型。 intuition 评估是建模的一个组成部分，它经常被忽略。经常会发现评估只涉及计算准确性或其它全局指标，但对于许多实际工作应用程序，需要更细致的评估过程。然而，在评估模型之前，总是希望： 清楚优先考虑的指标 注意不要过度优化任何一个指标，因为这可能意味着你正在妥协其他指标 # Metrics m...

Posted by franztao on October 1, 2022

优化超参数

2022年10月

优化超参数子集以实现目标。 Intuition 优化是在实验中微调超参数以优化特定目标的过程。它可能是一个涉及计算的过程，具体取决于参数的数量、搜索空间和模型架构。超参数不仅包括模型的参数，还包括来自预处理、分割等的参数（选择）。当查看所有可以调整的不同参数时，它很快就变成了一个非常大的搜索空间。然而，仅仅因为某些东西是超参数并不意味着需要调整它。 lower=True修复一些超...

Posted by franztao on October 1, 2022

实验跟踪

2022年10月

管理和跟踪机器学习实验。 Intuition 到目前为止，一直在训练和评估不同的基线，但还没有真正跟踪这些实验。将解决这个问题，但定义一个适当的实验跟踪过程，将用于所有未来的实验（包括超参数优化）。实验跟踪是管理所有不同实验及其组件（例如参数、指标、模型和其他工件）的过程，它使能够： 组织特定实验的所有必要组件。重要的是把所有东西都放在一个地方并且知道它在哪里，这样你以后可以使用...

Posted by franztao on October 1, 2022

建模基线模型

2022年10月

鼓励使用基线模型进行迭代建模。 Intuition 基线是为迭代开发铺平道路的简单基准： 由于模型复杂度低，通过超参数调整进行快速实验。 发现数据问题、错误假设、代码中的错误等，因为模型本身并不复杂。 帕累托原则：可以用最少的初始努力实现良好的性能。 过程 这是建立基线的高级方法： 从最简单的基线开始，以比较后续开发。这通常是一个随机（机会）模型。 使用...

Posted by franztao on October 1, 2022

每月学习笔记

2022年10月

1012 透视图 1015 各种各样神奇的自注意力机制（Self-attention）变形 沐神的装机经验总结 装机清单 装机的需求，首先就要是足够安静。不然太吵的话没法工作。 第二个需求就是散热要好。不然温度过高的话会导致G...

Posted by franztao on October 1, 2022

每月学习笔记

2022年9月

Python风格规范 — Google 开源项目风格指南

Posted by franztao on October 1, 2022

DOD数据标注

2022年8月

一、整体要求 标注回答几个问题 表格检测：页面中是否有表格 表格分类：是什么类型的表格，分子性质表/Markush表/其它表 表格整体粗粒度结构： 常规表格：标注 标题 + 表体 + 脚注 区域 Markush表格：标注 母核 + 标题 + 表体 + 脚注 区域 1、所有pdf图片表格元素都需要被框准确和划分到正确的类型...

Posted by franztao on August 31, 2022

FEATURED TAGS
Linear Regression Math Basis Exponential Family Distribution Classification Bayes Background Inference Conclusion Feedforward Neural Network Support Vector Machine Margin and Solution Weak Duality Kernel Method of Function Probability Graph Markov Variational Algorithm Belief Process Introduction Gaussian Expectation Maximization Mixture Model Chain Monte Carlo Sampling Hidden Learning Kalman Filter Conditional Random Field Boltzmann Deep Generative Adversarial Reinforcement Blog docker cuda
ABOUT ME

Goals determine what you going to be!

✉️ franztaoheng@gmail.com

FRIENDS