Публикации по теме 'mlops'
Постоянная опасность машинного обучения
Постоянная опасность машинного обучения
В нашем февральском посте о тенденциях в области машинного обучения и данных мы обсуждали, считает ли кто-то, что MLOps преодолел пропасть или нет, рост MLOps (т.е. DevOps для ML) сигнализирует о переходе отрасли от PoC (как создавать модели) к операциям (как для запуска моделей). Несмотря на то, что этот сдвиг - то, что нас очень волнует, из года в год мы постоянно сталкиваемся с проблемой, которая не дает нам покоя: качество данных.
В..
Мой путь в ML не с нуля, а заново
Всем привет,
Это моя первая статья на среднем уровне. Итак, худшее.
Почему я пишу? Чтобы оставить некоторую документацию на протяжении всего моего учебного процесса для дальнейшего использования, и в то же время поделиться своими соображениями по поводу содержания. Я делаю это для себя, потому что я заметил, что письмо — самый эффективный способ изучения и систематизации идей. Кроме того, благодаря вероятным отзывам, у меня может быть шанс улучшить себя.
Чтобы не забыть, я планирую..
Как масштабировать тренировочные данные
Взгляд изнутри на то, как передать на аутсорсинг без ущерба для качества данных
Этот пост изначально был опубликован на Labelbox .
Примечание редактора: мы очень рады поделиться этим отличным постом от наших друзей из Labelbox. Но небольшое примечание для пояснения, потому что этот формат немного отличается: ниже приводится тематическое исследование, которое включает в себя конкретные проекты и отзывы, и не является традиционным учебным пособием. Нам понравилась эта работа за ее..
9 лучших книг для начала вашего путешествия по MLOps
MLOps — относительно новая, но быстро развивающаяся практика. Книги, выделенные в этой статье, содержат практические руководства, которые помогут понять практику в качестве заинтересованной стороны проекта машинного обучения и включить практики ваших рабочих процессов машинного обучения.
Эта статья изначально была опубликована на The Chief I/O: 9 лучших книг для начала вашего путешествия по MLOps
MLOPs — это систематическая операционализация рабочих процессов машинного..
3 ключевые темы для науки о данных на предприятии
От экспертов по машинному обучению из CVS Health, Conde Nast и Dun & Bradstreet.
Недавно я встретился с тремя ведущими экспертами в области науки о данных из CVS Health, Conde Nast и Dun & Bradstreet, чтобы обсудить, какие тенденции и изменения они испытывают в области искусственного интеллекта и машинного обучения на предприятии. Они также делятся тем, что их волнует, горячими темами, на которые они обращают внимание, и тем, что они видят в будущем ИИ и машинного обучения на..
Arrikto — «Раскрытие потенциала ускорения операций машинного обучения на предприятии»
Примечание редактора. Изначально этот пост был опубликован в Необычном блоге .
Сегодня Unusual Ventures рада сообщить, что мы сотрудничаем с Arrikto , чтобы выполнить свою миссию по преодолению барьеров, которые мешают командам специалистов по данным быстро внедрять инициативы машинного обучения в производственных средах. Мы рады возглавить раунд раунда А с бюджетом 10 млн долларов .
Arrikto представляет корпоративную версию Kubeflow , ведущей нативной платформы Kubernetes..
MLOps в 2021 году: основа непрерывного жизненного цикла машинного обучения
Что такое MLOps?
MLOps - это новая терминология, определяющая операционную работу, необходимую для перевода проектов машинного обучения из исследовательского режима в производственный. В то время как программная инженерия включает DevOps для ввода в действие программных приложений, MLOps охватывает процессы и инструменты для управления непрерывным жизненным циклом машинного обучения.
Разработка программного обеспечения + DevOps = ›Программное обеспечение
Машинное обучение + MLOps..
