
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
大模型知识库的web api

大模型时代的模型运维与部署:LLMops

之前两篇有专门介绍shap值,可以说非常好用,机器学习模型可解释性进行到底 —— 从SHAP值到预测概率(二)机器学习模型可解释性进行到底 —— SHAP值理论(一)文章目录1 部分依赖图(Partial Dependence Plot)1.1 理论解读1.2 如何根据PDP 进行特征筛选2 个体条件期望图(Individual Conditional Expectation Plot)3skle
看到快手这篇文章,还开源了他们的KwaiSurvival,上手试了试:KwaiSurvival 是快⼿DA⾃主开发的基于深度学习框架的集成⽣存分析软件,帮助使⽤者在Python编程环境下⾼效地使⽤⽣存分析模型实现⼤规模的数据分析地址:https://github.com/kwaiDA/KwaiSurvival本篇主要是今天简单测试了之后的一些笔记记录,不知道他们组内的小伙伴看到这篇,会不会打我。。
文章目录1 mlflow Dockerfile2 训练模型3 对比模型4 打包模型5 模型部署6 模型inference调用mlflow的安装与使用,可以直接:pip install mlflow1 mlflow Dockerfile本来按照这个MLFlow教程(MLflow系列1:MLflow入门教程(Python)),找台机器跑起来没啥问题;不过,看到项目的github有Dockerfile那
cuML是一套用于实现与其他RAPIDS项目共享兼容API的机器学习算法和数学原语函数。cuML使数据科学家、研究人员和软件工程师能够在GPU上运行传统的表格ML任务,而无需深入了解CUDA编程的细节。 在大多数情况下,cuML的Python API与来自scikit-learn的API相匹配。对于大型数据集,这些基于GPU的实现可以比其CPU等效完成10-50倍。 有关性能的详细信息,请参阅..
8个心理健康大模型

本文分析了本体-专有名词防火墙:为什么的核心概念与应用实践。作者详细分析了相关技术细节,并结合实际案例展示了最佳操作流程,帮助读者提升工程效率与解决复杂问题的能力。

AI与数据工程:数据工程师的角色到底发生了什么变化

RAG架构








