Mise en service du modèle

Apprentissage Machine de bout en bout

Joshua Stapleton

Machine Learning Engineer

Modèle en tant que service

  • Parties prenantes / utilisateurs accèdent au modèle par Internet

  • Exposer le modèle via un portail

    • Les utilisateurs envoient des requêtes / des données
    • Reçoivent un diagnostic / des prédictions

  • Enjeux :

    • Clinique rurale / pas d'accès Internet
    • Environnement hautement sécurisé / données sensibles

Symbole de portail montrant un modèle offert comme service

Apprentissage Machine de bout en bout

Service sur l'appareil

Architectures de service intégrées

  • Informatique en périphérie (edge computing)
  • Utile quand Internet est peu fiable

Rouages dans une tête illustrant le calcul sur l'appareil

Apprentissage Machine de bout en bout

Avantages et inconvénients du service sur l'appareil

Avantages :

  • Latence réduite
  • Sécurité
  • Applications pour les zones éloignées / déconnectées

Inconvénients :

  • Ressources limitées
  • Mises à jour du modèle
  • Surveillance
Apprentissage Machine de bout en bout

Stratégies de mise en œuvre

  • Élagage (pruning)
  • Transfer Learning
  • Utiliser des cadres dédiés

Icône illustrant une stratégie

Apprentissage Machine de bout en bout

Passons à la pratique !

Apprentissage Machine de bout en bout

Preparing Video For Download...