Traitement du langage naturel appliqué à l'entreprise

Chapitre 11. La production

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

La difficulté du passage du prototypage à la production est l'endroit où beaucoup d'entreprises échouent et l'une des principales raisons pour lesquelles de nombreuses entreprises tirent un si faible retour sur investissement des initiatives d'apprentissage automatique qu'elles lancent. Dans le chapitre précédent, nous avons discuté de la façon de mettre en production l'apprentissage automatique sous la forme d'une application Web. Cependant, le principal moyen pour les entreprises de mettre en production l'apprentissage automatique et de véritablement libérer la valeur de ces modèles dans un cadre de production ne passe pas par une simple application Web ; il passe par les API et les pipelines automatisés, deux éléments que nous allons aborder dans ce chapitre. Nous aborderons également les différents rôles impliqués dans le déploiement, la maintenance et la surveillance des modèles d'apprentissage automatique en production, et nous explorerons Databricks, l'une des plateformes actuellement leaders sur le marché pour effectuer des travaux de science des données et d'apprentissage automatique dans l'entreprise.

Scientifiques, ingénieurs et analystes de données

Avant de nous plonger dans la façon de produire des modèles d'apprentissage automatique, passons en revue les différentes personnes qui seront impliquées tout au ...