« Opérationnalisation des modèles d'IA » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
Ligne 12 : | Ligne 12 : | ||
==Sources== | |||
[https://www.gartner.com/en/information-technology/glossary/artificial-intelligence-model-operationalization-modelops- Source : Gartner] | [https://www.gartner.com/en/information-technology/glossary/artificial-intelligence-model-operationalization-modelops- Source : Gartner] |
Dernière version du 28 janvier 2024 à 11:14
Définition
L'opérationnalisation des modèles d'intelligence artificielle (IA ModelOps) est un ensemble de capacités qui se concentre principalement sur la gouvernance et la gestion du cycle de vie complet de tous les modèles d'IA et de décision. Cela inclut les modèles basés sur l'apprentissage automatique, les graphes de connaissances, les règles, l'optimisation, les techniques de langage naturel et les agents. Contrairement à MLOps (qui se concentre uniquement sur l'opérationnalisation des modèles d'apprentissage automatique) et à AIOps (qui est l'IA pour les opérations informatiques), ModelOps se concentre sur l'opérationnalisation de tous les modèles d'IA et de décision.
Français
Opérationnalisation des modèles d'intelligence artificielle
Opérationnalisation des modèles IA
Anglais
Model operationalization
Sources
Contributeurs: Imane Meziani, Marie Alfaro, wiki