Al meer dan anderhalf jaar zijn organisaties bezig met een continue cyclus van innovatie en aanpassing aan de veranderende omgeving terwijl de pandemie zich verder ontwikkelt. Ghadi Hobeika, CEO van Artefact in de VS, geeft een overzicht van zeven lessen van de pandemie voor de lange termijn.
Dit artikel is het derde deel van een serie waarin we het proces doorlopen van het loggen van modellen met behulp van Mlflow, het serveren ervan op Kubernetes engine en uiteindelijk het opschalen ervan volgens de behoeften van onze applicatie. Hoewel dit artikel onafhankelijk gebruikt kan worden om elke API-respons te testen, raden wij aan om onze twee vorige artikelen (deel1 en deel2) te lezen over hoe u een volginstantie kunt implementeren en een model als API kunt serveren met Mlflow. In het volgende zullen we geïnteresseerd zijn in het schaalbaarheidsprobleem en dit aanpakken met enkele experimenten om het gedrag van het k8s cluster te begrijpen en aanbevelingen te geven over hoe om te gaan met hoge belastingen.
25 oktober 2021 Dit artikel is het tweede deel van een serie waarin we het proces doorlopen van het loggen van modellen met behulp van Mlflow, ze serveren als API endpoint, en ze uiteindelijk opschalen naargelang de behoeften van onze applicatie. We raden u aan om ons vorige artikel te lezen, waarin we laten zien hoe u een volginstantie op k8s kunt implementeren en de praktische vereisten (geheimen, omgevingsvariabelen...) kunt controleren, omdat we daar hier verder op zullen bouwen. In het volgende laten we zien hoe u een machine-learning model dat al geregistreerd is in Mlflow kunt serveren en als API endpoint op k8s kunt blootstellen.
22 oktober 2021 MLflow is een veelgebruikte tool voor het bijhouden van machine learning-experimenten, het versiebeheer van modellen en het serveren ervan. In ons eerste artikel van de serie “ML-modellen op schaal serveren”, leggen we uit hoe u de tracking instance op Kubernetes kunt implementeren en gebruiken om experimenten te loggen en modellen op te slaan.
22 september 2021 U hebt een basislijn nodig voor uw laatste tijdreeksvoorspellingsproject? U wilt het besluitvormingsproces van een voorspellend model uitleggen aan een bedrijf audience? U wilt begrijpen of autoprijzen seizoensgebonden zijn voordat u een nieuwe koopt? Dan hebben wij misschien iets voor u! Dit artikel introduceert Streamlit Prophet, een webapp waarmee data wetenschappers voorspellingsmodellen op een visuele manier kunnen trainen, evalueren en optimaliseren. Prognoses worden gemaakt met Prophet, een snel en gemakkelijk te interpreteren model.
10 september 2021 Hoe u de juiste visualisaties kunt kiezen en implementeren in Streamlit om uw voorspellingsmodellen beter te debuggen
24 augustus 2021 Alle industrieën streven ernaar om precies het juiste aantal producten op het juiste moment te produceren, maar voor detailhandelaren is dit bijzonder belangrijk omdat ze ook bederfelijke voorraden efficiënt moeten beheren.
5 augustus 2021 Onlangs heeft Microsoft zich bij Apple gevoegd als het tweede beursgenoteerde Amerikaanse bedrijf (en derde ter wereld, naast de Saoedische oliegigant Aramco) dat lid is van het zeer selecte clubje van $2 biljoen. Het feit dat Amerikaanse techgiganten de wereld domineren is geen nieuws, maar het tempo waarin ze belangrijke mijlpalen in waardering bereiken is dat wel. Het duurde minder dan 18 maanden voordat ze van $1 biljoen naar $2 biljoen stegen. Hoe is dit eigenlijk mogelijk? Wat kunnen “oude” bedrijven leren van dit ongeëvenaarde economische succes?
28 juli 2021 Projecten voor kunstmatige intelligentie en digitale transformatie hebben een laag succespercentage, maar best practices helpen.
