Lo sviluppo di un modello di intelligenza artificiale è solo il primo passo in un processo DevOps di IA. Gartner stima che “entro il 2022 almeno il 50% dei progetti di machine learning non sarà completamente implementato in produzione”*. Per raccogliere i frutti in termini commerciali dall’investimento nell’intelligenza artificiale, il modello deve essere reso operativo in una distribuzione di produzione. La distribuzione in un sistema operativo è molto più che fornire un endpoint API RESTful.

In questo report di Gartner, scoprirai:

  • Best practice per DevOps in ambito di IA, inclusi MLOps e DataOps
  • Le principali sfide affrontate dai leader tecnologici per trasferire i modelli di intelligenza artificiale e machine learning alla produzione
  • Come e dove DevOps aiuta a ridurre i tempi e i rischi nel rendere operativi i modelli in produzione
  • L’importanza della cultura DataOps

È possibile implementare i propri modelli di IA di MATLAB® su veicoli, apparecchiature industriali, sistemi operativi, applicazioni aziendali o applicazioni basate su browser senza dover eseguire la ricodificazione in un altro linguaggio.

* Gartner, Accelerate Your Machine Learning and Artificial Intelligence Journey Using These DevOps Best Practices, Arun Chandrasekaran, Farhan Choudhary, 12 novembre 2019.