Governance dei modelli

Deployment e ciclo di vita in MLOps

Nemanja Radojkovic

Senior Machine Learning Engineer

titoli di AI

Deployment e ciclo di vita in MLOps

rischio di credito

Deployment e ciclo di vita in MLOps

sottostima

Deployment e ciclo di vita in MLOps

bancarotta

Deployment e ciclo di vita in MLOps

costo della decisione 1

Deployment e ciclo di vita in MLOps

costo della decisione 2

Deployment e ciclo di vita in MLOps

Governance

La governance dei modelli di AI/ML è il processo complessivo con cui un'organizzazione controlla gli accessi, applica le policy e traccia le attività dei modelli e dei loro risultati.

Una governance efficace è la base per ridurre al minimo i rischi, sia economici sia di reputazione.

~ DataRobot.com

Deployment e ciclo di vita in MLOps

fasi della governance

Deployment e ciclo di vita in MLOps

progettazione

Deployment e ciclo di vita in MLOps

governance nello sviluppo

Deployment e ciclo di vita in MLOps

governance in ops

Deployment e ciclo di vita in MLOps

proporzionale al rischio

Deployment e ciclo di vita in MLOps

rischio per caso d'uso

Deployment e ciclo di vita in MLOps

Categorie di rischio

Deployment e ciclo di vita in MLOps

Riepilogo

  • La governance aggiunge passaggi, ma l'alternativa è l'anarchia.
  • "Lanciare molti modelli in fretta" non è l'obiettivo: conta il valore di business.
  • ML sconsiderato → più danni che benefici.
  • Più modelli, più evidente il valore della governance.
Deployment e ciclo di vita in MLOps

Esercitiamoci!

Deployment e ciclo di vita in MLOps

Preparing Video For Download...