Waarom is het schaalbaar maken van ML modellen zo lastig voor Data Scientists?
WOE 16:15 - 16:45
Dit is een presentatie van 2022
Bijna de helft van alle AI-toepassingen falen in een productieomgeving volgens Gartner. Martin Haagoort praat je bij over de meest voorkomende oorzaken en waarin het schalen van Machine Learning verschilt andere IT-assets, zoals bijvoorbeeld software. Wat is de praktische betekenis en de rol van MLOps? Wat is er nodig om een MLOps proces op te zetten? En waarom hebben juist data scientists vaak moeite om hun modellen schaalbaar te maken? Komt dat bijvoorbeeld omdat zij vaak met afwijkende tooling en in andere data- en ontwikkelomgevingen werken? Aan de hand van een aantal praktijkvoorbeelden neemt Martin je mee in de wereld van MLOps, met praktische handvatten voor iedereen die nieuwsgierig is wat erbij komt kijken om Machine Learning Modellen te schalen.
Wil jij deze en meer inspirerende lezingen volgen? Meld je gratis aan voor de Big Data Expo op 14 & 15 september 2022 in Jaarbeurs Utrecht.
-
Thema
Data Science
De impact van Data Science op onze business is enorm. Het ontsluiten van gestructureerde en ongestructureerde data door (zelf)lerende modellen vindt toepassing binnen allerlei bedrijven. Het oplossen van grote vraagstukken zoals: 'Hoe kan ik mijn klanten persoonlijker benadrukken met onze e-mailcampagnes?' of 'Kunnen we de hoeveleheid fraudegevallen bij aanvragen terugdringen?' gaat steeds sneller en effectiever door het gebruik van deze voorspellende toepassingen. Data Science helpt om continue waardevolle resultaten te behalen en te innoveren.
