AIFE_GEN-MLOps_Platform

Language

English: README.en.md
中文: 本頁
日本語: README.jp.md

Development

This repository demonstrates AI / Machine Learning workflows using AutoGluon AutoML framework.
本專案為一個 AI / Machine Learning 能力培養與實作平台，透過 AutoML 技術與 AutoGluon 框架，協助使用者快速建立與測試不同類型的 AI 模型。

專案特色

以 AutoML 技術降低 AI 模型建立門檻
提供表格資料、時間序列與多模態學習範例
可透過 Jupyter Notebook 進行模型訓練與測試
提供 Docker 環境，方便快速部署與操作

AI 任務類型補充說明

本專案提供多種 AI / Machine Learning 任務範例，包含：

表格資料預測（Tabular Prediction）
時間序列預測（Time Series Forecasting）
多模態學習（Multimodal Learning）
透過不同類型的範例，使用者可以快速理解各種資料型態在 AI 模型中的應用方式。

相關文件：

[machine learning](./docs/machine learning)
autogluon.timeseries
autogluon.tabular
autogluon.multimodal

資料集

使用多種公開的 Machine Learning 資料集，以展示 AutoML 工作流程與不同類型 AI 任務的應用。
範例資料集含：

AutoGluon 官方範例資料集（GitHub）
M4 時間序列預測資料集（M4 Forecasting Competition）
其他常見開源 Machine Learning 資料集

使用技術

本專案使用以下 AI / Machine Learning 技術：

AutoGluon AutoML Framework
Python Machine Learning
Jupyter Notebook
Docker GPU 運行環境

技術清單：

AutoML 框架：AutoGluon、PyCaret
機器學習演算法：XGBoost、LightGBM、CatBoost、Random Forest
數據處理：Pandas、NumPy
模型解釋：SHAP、Plotly
MLOps：MLflow、Evidently AI
部署架構：Docker、FastAPI

補充使用技術與環境說明

可作為 AI 模型訓練、測試與能力培養之實作平台
worker節點算力共享給企業用戶
接入算力調度系統，提供算力節點
模型部署
數據和模型漂移監測

啟動 AI 環境

docker run -it --name autogluon -d --shm-size=16g --gpus all
-p 17001:8888
-v $(pwd)/AG:/home/sagemaker-user/src
--workdir /home/sagemaker-user/src
shawoo/sagemaker bash -c "jupyter lab --allow-root --ip=0.0.0.0 --ServerApp.disable_check_xsrf=True --NotebookApp.token=YOURPASSWORD"

sharonccccc/AIFE_GEN-MLOps_Platform