Знаете ли вы, почему только 13% проектов по науке о данных, или только один из каждых 10, внедряются в производство? — Согласно исследованию 2019 года, 87% проектов машинного обучения (ML) никогда не доходят до производства. Реальность, стоящая за бумом ИИ, сильно изменилась после 2022 года, когда мы постепенно использовали концепцию, которая доказала передовой опыт в развертывании и обслуживании программного обеспечения, чтобы спасти нас! (Д-С) Эта концепция включает в себя набор..

Почему изменение нашего языка делает ИИ более ответственным В жизненном цикле модели машинного обучения мы обычно называем внедрение моделей в продукты «развертыванием» моделей. Несмотря на широкое признание, слово «развертывание» закреплено за властью и милитаризацией. Язык, на котором мы говорим об ИИ, невероятно важен, в том числе с технической точки зрения. Один из самых больших недостатков обсуждения машинного обучения и искусственного интеллекта - это термины, которые мы..

Всем привет, в этой серии я подробно расскажу о «что» и «почему» MLOps. Это вторая часть серии, состоящей из нескольких частей, которая в настоящее время включает (и будет включать): Часть 1: Знакомство с серией: «Что такое MLOps? » Часть 3: Почему ML Ops имеет значение: избавление от «О, дерьмо из MLoops» Часть 4: Цели MLOps как темы (подстек) Часть 5: Программное обеспечение и машинное обучение до MLOps (подстек) Часть 6: Проблемы масштабирования машинного обучения как..