北极熊不吃企鹅宝宝
搜索文章
首页
Halo
关于
首页
Halo
关于
# AI infra
(3)
# AI
(3)
# 学习笔记
(3)
# NotebookLM
(1)
# gdb
(1)
# nginx
(1)
# 1panel
(1)
# callout
(1)
# obsidian
(1)
# git tag
(1)
# git
(1)
# docker
(1)
# openclaw
(1)
# Linux
(1)
# 数据结构
(2)
# 锁
(2)
# spec
(1)
# Halo
(0)
Chapter 3-MLSys-Data-Engineering
Machine Learning Systems 第三章：Data Engineering 与 Dataset Compilation 核心结论：在机器学习系统中，数据决定模型最终学会什么行为，因此数据不是训练前的一次性输入，而是需要被采集、验证、编译、版本化和持续维护的“源代码”。 本文依据《Ma
作者：CherryYang
发布时间：2026-07-25
分类：
MLSys
,
AI infra
标签：
#
AI infra
,
#
AI
,
#
学习笔记
Chapter 1-ML Systems
Chapter 1: ML Systems：从模型算法走向完整系统 《Machine Learning Systems》第一章的目的，并不是介绍某一种机器学习算法，也不是直接讲 GPU 集群、分布式训练或模型推理框架。作者首先希望建立一种更基础的认识： 机器学习模型不是独立运行的数学公式，而是一个受
作者：CherryYang
发布时间：2026-07-24
分类：
MLSys
,
AI infra
标签：
#
AI infra
,
#
AI
,
#
学习笔记
Chapter 2-ML Workflow
机器学习工作流解析：从离线模型到持续演化的 ML System 核心结论：ML Workflow 不是围绕模型训练展开的一条流水线，而是 Data、Algorithm 与 Machine 在真实约束下持续协同、验证和反馈的工程闭环。 问题背景：模型有效，不等于系统可用 在很多机器学习课程和入门项目中
作者：CherryYang
发布时间：2026-07-24
分类：
MLSys
,
AI infra
标签：
#
AI infra
,
#
AI
,
#
学习笔记
共 3 篇文章
1
页