ข้อพิจารณาสำหรับการนำไปใช้จริงเต็มรูปแบบ

การนำ AI ไปใช้งานในธุรกิจ

Jacob H. Marquez

Data Scientist

ขยายและรักษาโซลูชัน AI

$$

ขยายและรักษาโซลูชัน AI

$$

ขยายและรักษาโซลูชัน AI

$$

DevOps

 

• "Development Operations"
• การทำงานร่วมกัน การรวมระบบ และการ deploy ที่ดีขึ้น
• ระบบอัตโนมัติของกระบวนการ
• การปรับปรุงและการตรวจสอบอย่างต่อเนื่อง

$$

MLOps

 

• "Machine Learning Operations"
• คล้ายกับ DevOps
• ทำให้กระบวนการด้านข้อมูลและอัลกอริทึมใช้งานได้จริง

MLOps

 

• "Machine Learning Operations"
• คล้ายกับ DevOps
• ทำให้กระบวนการด้านข้อมูลและอัลกอริทึมใช้งานได้จริง

MLOps

 

• "Machine Learning Operations"
• คล้ายกับ DevOps
• ทำให้กระบวนการด้านข้อมูลและอัลกอริทึมใช้งานได้จริง

MLOps

 

• "Machine Learning Operations"
• คล้ายกับ DevOps
• ทำให้กระบวนการด้านข้อมูลและอัลกอริทึมใช้งานได้จริง

MLOps

 

• "Machine Learning Operations"
• คล้ายกับ DevOps
• ทำให้กระบวนการด้านข้อมูลและอัลกอริทึมใช้งานได้จริง
• รองรับการขยายแนวนอน (horizontal scaling)

MLOps - การตรวจสอบ AI

 

• เปรียบเทียบประสิทธิภาพโมเดลกับ baseline
• ตัวอย่าง: ความแม่นยำของการทำนายในเดือนแรกหลัง deploy
• Model Drift เมื่อประสิทธิภาพลดลง

• ส่งผลเสียต่อการตัดสินใจ

การปฏิบัติตามกฎระเบียบ ความเป็นส่วนตัว และความปลอดภัย

 

• สำคัญในช่วง POC
• ทำได้ด้วยมาตรการขั้นต่ำ
• จำเป็นสำหรับการขยายสู่การใช้งานเต็มรูปแบบ
• เป็นส่วนหนึ่งของ Responsible AI

 

ข้อกำหนดทางกฎหมายและกฎระเบียบ

 

• ปฏิบัติตามข้อกำหนดด้านกฎระเบียบในแต่ละพื้นที่
• โดยเฉพาะกับข้อมูลที่มีความอ่อนไหวและข้อมูลส่วนบุคคล
• หลีกเลี่ยงบทลงโทษและผลทางกฎหมาย

$$ $$

ความปลอดภัย

 

• รักษาความปลอดภัยของข้อมูล โครงสร้างพื้นฐาน และผลิตภัณฑ์
• การยืนยันตัวตน (Authentication)
• การกำหนดสิทธิ์ (Authorization)

$$

การจัดการและลดความเสี่ยง

 

• ป้องกันความเสียหายต่อโซลูชัน ลูกค้า และธุรกิจ
• ตรวจสอบโซลูชัน
• การตรวจสอบทางกฎหมาย
• การประเมินความเสี่ยง
• การจำลองสถานการณ์

มาฝึกกันเถอะ!

การนำ AI ไปใช้งานในธุรกิจ