Machine Learning
Si le nombre de personnes qui opèrent vos produits ML en phase de run est proportionnel au nombre de produits ML en production ; si la vitesse de développement de nouvelles fonctionnalités s’est écroulée au moment du passage en production ; le toil vous a, vous aussi, déjà paralysé sans que vous ne vous en rendiez compte.
Mais alors, comment est implémentée une base de données vectorielles ? Dans cet article, nous allons examiner ce qui se cache sous le capot des bases de données vectorielles. Cet article est agrémenté d’un tutoriel pour implémenter une base de données vectorielles en Python débutée de zéro. Vous pourrez la reproduire chez vous !
L’intelligence artificielle revient sur le devant de la scène depuis l'ouverture de ChatGPT au grand public le 30 novembre 2022. Depuis ce moment clé dans l’histoire des ruptures technologiques, plus de 50% des comités exécutifs ont mis à leur agenda l’intelligence artificielle générative...
The goal of this article is to induce together various types of concept drifts on the UCI Wine dataset as well as understand and test different drift detectors. The code and GitHub repository is provided. A vos claviers!Did you say drift?This is Part 2 of the Drift Article series. If you want to learn more about Concept Drifts and Detectors, please...
Elghali Guessous Tech Lead EPM, ainsi que Wilde Diogène Manager EPM OCTO Technology ont animé un comptoir le mardi 12 Juin 2023 sur le planning augmenté intitulé « Affinez vos forecast avec le planning distribué et l'AutoML ».A travers ce webinar, découvrez comment Pigment et Dataiku révolutionnent vos prévisions de chiffre d'affaires en tirant pa...
Quelles stratégies et patterns de déploiement adopter pour déployer un modèle de machine learning au sein de mon logiciel ?
Élément clef en logiciel, la sécurité doit bien entendu être considérée en Machine Learning Delivery. Vos modèles une fois en production auront un impact réel sur les utilisateurs et l’organisation qui les ont produits, il est alors nécessaire que personne ne les manipule.
Cet article fait partie de la série Accélérer le Delivery de projets de Machine Learning, traitant de l’application d’Accelerate dans un contexte incluant du Machine Learning. Si vous n’êtes pas familier avec Accelerate, ou si vous souhaitez avoir plus de détails sur le contexte de cet article, nous vous invitons à commencer par lire l’article intr...
In this article, we will introduce the notion of concept drifts: how to define and detect them.Congratulations, you have been accepted as part of the Data Science team of an airline company! You were hired to build a Machine Learning model which predicts the company’s monthly profits.After several weeks of experimentations on your Jupyter Notebook,...
Les équipes développant des applications de Data Science investissent beaucoup d’énergie pour identifier et implémenter des métriques de monitoring pertinentes. Nous pensons qu’il est possible de capitaliser sur ce travail en proposant des fonctionnalités supplémentaires à nos utilisateurs afin de renforcer l’impact de nos applications.