Глоссарий ИИ
Полный словарь искусственного интеллекта
Data Version Control (DVC)
Système de gestion de version pour les données et les modèles ML qui s'intègre avec Git pour tracker les changements dans les datasets. DVC permet de versionner les fichiers volumineux, de reproduire les expériences et de collaborer efficacement sur des projets de data science.
Amazon SageMaker
Plateforme managée d'AWS qui fournit un environnement complet pour construire, entraîner et déployer des modèles de machine learning à l'échelle. SageMaker intègre des outils pour le data labeling, l'entraînement distribué, le réglage d'hyperparamètres et le déploiement serverless.
Azure Machine Learning
Service cloud de Microsoft offrant un environnement intégré pour le cycle de vie complet du machine learning, de la préparation des données à la monitoring des modèles. Azure ML fournit des outils de MLOps pour l'automatisation, la versioning et le déploiement CI/CD des modèles.
Google Vertex AI
Plateforme unifiée de machine learning de Google Cloud qui combine AutoML et AI Platform pour simplifier le développement et le déploiement de modèles ML. Vertex AI offre des outils pour l'entraînement personnalisé, le monitoring de modèles et l'explication des prédictions.
ML Pipeline Orchestration
Processus d'automatisation et de coordination des différentes étapes d'un workflow de machine learning, de l'ingestion des données au déploiement du modèle. L'orchestration garantit l'exécution séquentielle ou parallèle des tâches avec gestion des dépendances et des erreurs.
Model Deployment Patterns
Architectures et stratégies standardisées pour mettre en production des modèles ML, incluant le déploiement en temps réel, batch, edge ou en streaming. Ces patterns définissent comment les modèles servent les prédictions tout en optimisant les performances et les coûts.
MLOps Platform
Solution logicielle intégrée qui fournit un ensemble d'outils cohérents pour automatiser et orchestrer l'ensemble du cycle de vie du machine learning. Ces plateformes unifient le développement, le déploiement et la monitoring des modèles dans un environnement contrôlé.
AutoML Platform
Système qui automatise le processus de construction de modèles ML, incluant la sélection des features, le choix d'algorithmes et l'optimisation des hyperparamètres. Les plateformes AutoML permettent aux non-experts de développer des modèles performants rapidement.
Управление моделями машинного обучения
Набор политик, процессов и инструментов для обеспечения соответствия нормативным требованиям, этики и прозрачности моделей машинного обучения. Управление охватывает полный жизненный цикл моделей, от их разработки до вывода из эксплуатации.