Systèmes de production à apprentissage automatique

Chapitre 23. L'avenir des systèmes de production à apprentissage automatique et les prochaines étapes.

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Au cours des cinq années qui ont précédé la publication de ce livre en 2024, le domaine de la ML a connu un développement incroyablement rapide. Par exemple, les systèmes de suivi des expériences sont désormais largement utilisés au sein de la communauté ML. TFX s'est ouvert à davantage de frameworks et prend en charge des frameworks comme PyTorch ou JAX de nos jours. Et la communauté ML s'est rapidement développée, grâce à des entreprises comme Kaggle et Hugging Face, ainsi qu'à des communautés comme TFX-Addons ou la communauté PyTorch.

En 2020, personne ne parlait des technologies désormais courantes telles que les LLMs, le ChatGPT et la GenAI. Toutes ces technologies ont un impact sur les systèmes de ML. En gardant cela à l'esprit, nous souhaitons conclure ce livre en nous penchant sur certains des concepts qui, selon nous, conduiront aux prochaines avancées des systèmes et pipelines de ML.

Pensons en termes de systèmes de ML, pas de modèles de ML

Le modèle ML que nous produisons grâce à nos pipelines ML devient une partie intégrée d'un système plus vaste. Et comme pour tous les systèmes, si nous changeons un composant, généralement le système s'ajustera ou échouera. Par conséquent, il est important de considérer les modèles ML dans un contexte ...