AI

Quy trình triển khai Machine Learning tiêu chuẩn

Để triển khai hiệu quả các quy trình phát triển và vận hành AI trên, các tổ chức cần thiết lập một đội ngũ với bộ năng lực kỹ thuật cốt lõi. 

Các năng lực này có thể được cung cấp bởi một nền tảng AI có sẵn như Google AI, Microsoft Azure AI ,...  đã tích hợp đầy đủ. 

Ngoài ra, chúng có thể được tạo bằng cách kết hợp các công cụ của nhà cung cấp, mỗi công cụ phù hợp nhất với các tác vụ cụ thể, được phát triển dưới dạng dịch vụ tùy chỉnh hoặc được tạo thành sự kết hợp của các phương pháp này. 

Trong hầu hết các trường hợp, các quy trình được triển khai theo từng giai đoạn thay vì triển khai tất cả cùng một lúc trong một lần triển khai duy nhất. Kế hoạch áp dụng các quy trình và năng lực này của tổ chức phải phù hợp với các ưu tiên kinh doanh và với trình độ kỹ thuật và kỹ năng của tổ chức. 

Ví dụ, nhiều tổ chức bắt đầu bằng cách tập trung vào các quy trình phát triển ML, triển khai mô hình và phục vụ dự đoán. Đối với các tổ chức này, việc đào tạo liên tục và giám sát liên tục có thể không cần thiết nếu họ đang thử nghiệm một số lượng tương đối nhỏ các hệ thống ML.

Các công việc chính trong vòng đời vận hành một mô hình AI

ML Development (Phát triển máy học): liên quan đến việc thử nghiệm và phát triển một quy trình đào tạo mô hình mạnh mẽ và có thể tái tạo (mã đường ống đào tạo), bao gồm nhiều tác vụ từ chuẩn bị và chuyển đổi dữ liệu đến đào tạo và đánh giá mô hình.

Training Operationalization (Vận hành quá trình đào tạo): liên quan đến việc tự động hóa quy trình đóng gói, thử nghiệm và triển khai các đường ống đào tạo có thể lặp lại và đáng tin cậy.

Continuous Training (Đào tạo liên tục): liên quan đến việc thực hiện nhiều lần đường ống đào tạo để phản hồi dữ liệu mới hoặc thay đổi mã hoặc theo lịch trình, có khả năng với các thiết lập đào tạo mới.

Model Deployment (Triển khai mô hình AI): liên quan đến việc đóng gói, thử nghiệm và triển khai mô hình vào môi trường phục vụ để thử nghiệm trực tuyến và phục vụ sản xuất. 

Prediction Serving (Phục vụ dự đoán): là về sử dụng việc phục vụ của mô hình AI đã được triển khai trong sản xuất.

Continuous Monitoring (Giám sát liên tục): là về việc giám sát hiệu quả và hiệu suất của một mô hình đã triển khai.

Data & Model Management (Quản lý dữ liệu và mô hình): là một chức năng trung tâm, xuyên suốt để quản lý các tư liệu của AI nhằm hỗ trợ khả năng tra kiểm, khả năng truy xuất nguồn gốc và khả năng tuân thủ quy định của AI. Quản lý dữ liệu và mô hình cũng có thể thúc đẩy khả năng chia sẻ, khả năng tái sử dụng và khả năng khám phá các giá trị khác của AI.