Przygotowanie danych i modelu
Dane zostają opisane według ustalonych kryteriów, a przebieg treningu jest konfigurowany i kontrolowany.
Rezultat etapu: Model przygotowany na podstawie znanego i opisanego materiału.
Proces
Wdrażanie i utrzymanie AI
Od modelu do kontrolowanej usługi AI
Model przestaje być materiałem eksperymentalnym i staje się usługą: przygotowaną, wdrożoną, monitorowaną i osadzoną w zasobach, których wykorzystanie jest widoczne i planowane.
- Punkt wejścia
- Model ma zostać udostępniony jako usługa albo działająca usługa wymaga nadzoru i planowania zasobów.
- Jednostka pracy
- model udostępniany jako usługa wraz z jego środowiskiem uruchomieniowym
- Stan końcowy
- Działająca usługa z monitoringiem, powtarzalną konfiguracją i znanym kosztem zasobów.
Wejście i rezultat
Od materiału wejściowego do rezultatu.
Proces ma jeden punkt wejścia i jeden stan końcowy — pomiędzy nimi widać, co jest kontrolowane i co powstaje.
Dane wejściowe
- model wraz z danymi potrzebnymi do jego przygotowania
- środowisko obliczeniowe i dostępne zasoby
- polityki dostępu i zasady wykorzystania zasobów
Kontrolowane przetwarzanie
- zakres odbiorców uprawnionych do korzystania z usługi
- limity zasobów przypisane zespołom i projektom
- zasady postępowania z danymi wykorzystywanymi podczas treningu
- tryb wycofania usługi i powrotu do poprzedniej wersji
Rezultat
- usługa dostępna dla uprawnionych odbiorców
- metryki działania usługi i wykorzystania zasobów
- powtarzalna konfiguracja kolejnych wdrożeń
Przebieg procesu
Każdy etap kończy się sprawdzalnym efektem.
Etapy opisują drogę od zgłoszenia do rezultatu. Zakres można ustawić na jednym z nich i rozszerzać go dopiero wtedy, gdy poprzedni działa.
Porozmawiaj o zastosowaniuWdrożenie jako usługi
Model zostaje uruchomiony w środowisku obliczeniowym i udostępniony odbiorcom wraz z podglądem uruchomień.
Rezultat etapu: Usługa dostępna zamiast modelu działającego lokalnie.
Monitorowanie działania
Zbierane są metryki działania usługi i obciążenia zasobów, wraz z historią pomiarów.
Rezultat etapu: Spadek wydajności widoczny, zanim zgłoszą go użytkownicy.
Powtarzalna konfiguracja
Parametry i ustawienia uruchomienia zapisujemy i wersjonujemy, aby kolejne wdrożenia były odtwarzalne.
Rezultat etapu: Mniejsze ryzyko błędów konfiguracyjnych między środowiskami.
Planowanie zasobów
Przydziały i wykorzystanie zasobów są widoczne dla zespołów, a trendy pozwalają przewidzieć zapotrzebowanie.
Rezultat etapu: Zwiększenie zasobów planowane wcześniej niż wystąpienie ograniczeń.
Następny krok
Sprawdź, jak ten proces może działać w Twojej organizacji.
Porozmawiamy o zakresie, danych, integracjach i wymaganiach bezpieczeństwa.