2024 年 8 月 19 日
Dataiku 产品，扩展 AI
查德·奎旺·科文
MLOps工作流程的概念应该像黄油一样顺畅。监控模型和数据产品也应该是无缝的，结合自动化、指标和检查，以确保人工干预可以迅速解决任何问题。这种方法使组织能够继续其 AI 计划而不会中断。然而，在实践中，许多 MLOps 策略的流畅度往往介于碎石和砂纸之间。
随着组织创建更多数据产品和机 加拿大 WhatsApp 号码列表 器学习 (ML) 模型，找到一种标准化的方法来跟踪它们并在出现问题时进行干预变得具有挑战性。如果使用多个 ML 平台来部署模型并跟踪其部署后状态，这尤其困难。这些问题导致了高管最想听到的最后三个词：缺乏监督。
即使对于成熟的组织，对 MLOps 的监督和治理也可能很棘手。企业级组织通常使用多个平台进行模型开发和生产。这里的问题是平台是孤立的，需要工程师访问许多不同的系统来监督 AI 管道。这会降低效率，并使在不同平台上保持标准化治理变得困难。由于这是一个常见的问题，Dataiku 将通过连接您的生态系统来集中此过程作为优先事项。