Accélérer le déploiement de modèles de machine learning

Opérer un logiciel basé sur du machine learning peut impliquer de gérer un parc de modèles conséquent. Expérimentations, modèles spécifiques ou pipelines de traitement à plusieurs étapes, peuvent rendre les phases de déploiement complexes. Comment aider les data scientists à réduire cette complexité et diminuer le temps passé à ces activités de déploiement ?Pour répondre à cette question, le monde du MLOps a vu naître quantité d’outils, du logiciel de gestion de version de modèles à la plateforme entièrement intégrée. Nous avons plongé dans cette fourmilière pour déterminer quelles sont les questions à se poser avant de faire un choix.Durant ce talk, nous étudierons donc deux outils, répondant à des cas d’usage différents, pour déployer ses modèles avec sérénité, avec quelques tips pour le faire de manière responsable, et d'optimiser les performances d'inférence !

Amine SaboniDiliTrust