Considerações para implementação completa

Implementação de Soluções de IA nos Negócios

Jacob H. Marquez

Data Scientist

Como ampliar e sustentar uma solução de IA

$$

Como ampliar e sustentar uma solução de IA

$$

Como ampliar e sustentar uma solução de IA

$$

DevOps

 

• "Development Operations"
• Melhor colaboração, integração e implementação
• Automação de processos
• Melhoria e monitoramento contínuos

$$

MLOps

 

• "Machine Learning Operations"
• Semelhante ao DevOps
• Operacionalizar processos para dados e algoritmos

MLOps

 

• "Machine Learning Operations"
• Semelhante ao DevOps
• Operacionalizar processos para dados e algoritmos

MLOps

 

• "Machine Learning Operations"
• Semelhante ao DevOps
• Operacionalizar processos para dados e algoritmos

MLOps

 

• "Machine Learning Operations"
• Semelhante ao DevOps
• Operacionalizar processos para dados e algoritmos

MLOps

 

• "Machine Learning Operations"
• Semelhante ao DevOps
• Operacionalizar processos para dados e algoritmos
• Permite o aumento de escala horizontal

MLOps – monitoramento da IA

 

• Comparar desempenho com referência
• Exemplo: precisão das previsões durante o primeiro mês de implantação
• Baixo desempenho: desvio de modelo

• Impacto negativo na tomada de decisões

Conformidade, privacidade e segurança

 

• Importantes durante a prova de conceito
• Alcançáveis com poucas medidas
• Essenciais para implementação completa em escala
• Parte da IA responsável

 

Requisitos legais e regulatórios

 

• Atender aos requisitos regulatórios de CADA lugar
• Especialmente com dados confidenciais e pessoais
• Evitar multas e consequências jurídicas

$$ $$

Segurança

 

• Garantir que dados, infraestrutura e produto estejam seguros
• Autenticação
• Autorização

$$

Gerenciamento e mitigação de riscos

 

• Evitar danos à solução, ao cliente e à empresa
• Auditar a solução
• Exames legais
• Avaliações de risco
• Simulações

Vamos praticar!

Implementação de Soluções de IA nos Negócios