MLOps

Stratégie IA

Vidhi Chugh

AI strategist and ethicist

Opérationnalisation

Intégrer des modèles d’IA avancés dans les opérations courantes.

Modèles d’IA avancés

Stratégie IA

Gestion des versions de code et de données

  • Les expérimentations créent plusieurs versions de code

Les expérimentations créent plusieurs versions de code

  • Géré via des systèmes de gestion de versions
  • Versions de données

Versions de données

  • Nouvelles données ou nouvelles fonctionnalités
Stratégie IA

Portabilité

  • Environnements de projets ML
    • Entraînement
    • Validation
    • Production

 

  • Cohérents sur tout le cycle de vie

    • Bibliothèques
    • Frameworks
    • Versions

 

Bibliothèques, frameworks et versions

Stratégie IA

Le bon moment pour réfléchir !

  • Gérer différentes versions et dépendances

Accent sur la valeur métier immédiate

  • Accent sur la valeur métier immédiate
  • Scalabilité et architecture pensées après coup

Scalabilité et architecture

  • Approches ad hoc créent des défis
Stratégie IA

Gestion de données automatisée

  • Effort pour reconstituer les données d’entraînement
  • Erreurs, changements ou mises à jour
  • Gestion des données automatisée pour la qualité
  • Contrôles qualité et alertes

Erreurs, changements ou mises à jour

Gestion des données automatisée pour la qualité

Contrôles qualité et alertes

Stratégie IA

Besoin d’automatisation

  • Interventions manuelles = retards
    • Performance du modèle dégradée
    • Analyse des erreurs
    • Actions correctives

Interventions manuelles

Performance du modèle

 

  • Beaucoup de temps écoulé
  • Prédictions incorrectes
  • Conséquences négatives
Stratégie IA

Refactorisation du code

 

Refactoriser le code initial

 

  • Manque de bonnes pratiques d’ingénierie essentielles

 

  • Nécessité de refactoriser le code initial
    • Risque important
    • Logique d’origine mal comprise ou altérée
Stratégie IA

Caractéristiques d’une architecture efficace

 

  • Des systèmes fiables exigent des efforts
  • MLOps = normaliser les processus et automatiser les pipelines

 

  • Automatisation :
    • Modules réutilisables : data products, code
    • Cadres de tests automatisés
    • Réduit le risque lié au refactoring

 

Automatisation

Stratégie IA

Caractéristiques d’une architecture efficace

 

Docker regroupe le modèle avec l’environnement

 

  • Docker regroupe le modèle avec l’environnement

  • Moins d’interventions manuelles = cycle de vie efficace

  • Maintenir la performance du modèle est difficile

 

  • MLOps pour surveiller les modèles
    • 30 % de modèles archivés en moins
    • +60 % de valeur
Stratégie IA

Passons à la pratique !

Stratégie IA

Preparing Video For Download...