Około 80% projektów z dziedziny AI/ML kończy się porażką. Statystyka ta może wydawać się zaskakująca - AI jest teraz tak popularne, blueprinty gotowych rozwiązań tak łatwo dostępne, jak trudne może być zbudowanie modelu uczenia maszynowego i wystawienie go na produkcję?

MLOps jest zestawem zasad i najlepszych praktyk mającym zapewnić powodzenie projektu AI w całym cyklu jego życia. Niezrozumienie lub niewłaściwe zastosowanie tych praktyk może sprawić, że również i nasze wdrożenie prędzej czy później utknie w martwym punkcie bez odwrotu.

W trakcie tej sesji omówię czym jest MLOps, na jakich filarach stoi i jak na tych filarach z powodzeniem opierać wdrażane rozwiązanie. Przedstawię również przykłady "z życia wzięte" jak odejście od fundamentów rzutuje na jakość całego systemu. Całość w formie historii wojennych z projektu refaktoryzacji systemu Computer Vision opartego o serwisy chmurowe Azure wdrożonego na urządzeniach brzegowych dwóch zakładów farmaceutycznych.