| 嬌生 | AI導入經驗 | MLOps | 資料科學委員會 | 雙語資料科學家

嬌生資訊長揭露如何靠AI加速疫苗生產效率,先建立可迭代的AI開發流程,再培養「雙語」資料科學家

嬌生資訊長Jim Swanson在今年的GTC活動中,分享了自家AI導入的經驗,其中一個是要建立起一個可以迭代、重複使用的AI開發流程,作為企業內AI開發的技術基礎,再進一步促進資料科學走向民主化,不只加速培養雙語(AI與業務能力)的資料科學家,還要讓13萬員工都能有資料科學素養

2021-04-21

| InfuseAI | 開源程式碼 | PrimeHub | PrimeHub Deploy | MLOps

國產AI新創InfuseAI靠MLOps產品A輪募資430萬美元,今年聚焦模型監控,Q2將推新外掛工具平臺

InfuseAI在本月6號以MLOps解決方案獲得430萬美金的A輪募資,成為臺灣首家挺進MLOps市場的本土新創,今年正在加速開發模型表現監控機制,更預計Q2要上線外掛工具平臺

2021-04-08

| Line AI團隊 | 蔡景祥 | 孫韻如 | MLOps | AI | Line

Line臺灣AI團隊現身說法,如何從零開始實作MLOps

從一人團隊、兩人團隊到多種角色分工,Line臺灣循序漸進實作MLOps,克服AI開發客製化與部署上線挑戰

2021-04-08

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

Line AI開發的關鍵基礎架構──ML Universe關鍵功能大公開

涵蓋了從模型實驗、Pipeline的持續部署與交付、自動化建立Pipeline,以及模型的持續訓練、持續部署、持續監測等流程

2021-04-08

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

【靠ML協作平臺加速AI落地】Line如何用MLOps重構AI開發流程

Line去年正式上線了一套加速AI開發的關鍵基礎架構平臺,要讓不同角色各司其職,藉由更緊密分工協作來系統性落地AI

2021-04-07

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決方案 | ML模型自動化 | AI維運

企業規模化落地AI關鍵是MLOps(下)三大原因助MLOps快速興起

促使MLOps快速成長的原因之一,是COVID-19疫情帶動大環境快速改變,導致許多部署上線的模型在一夕間不敷使用,凸顯了AI維運的挑戰

2021-04-06

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用

【AI開發也要擁抱DevOps】企業規模化落地AI關鍵是MLOps(上)

隨著企業AI走出實驗階段,開始分化出多種開發角色,如何透過打造如產線般緊密分工的協作方法,來加速落地AI?關鍵就是MLOps的實踐

2021-04-06

| 2021加速轉型9大趨勢 | 數位轉型 | 數位韌性 | MLOps | AI落地規模化 | 系統性AI協作

2021加速轉型9大趨勢(六)加速AI生命周期循環,MLOps將成企業AI落地規模化的關鍵一步

當AI開發進入規模化落地新階段,企業不只要打造自動化、標準化的AI開發流程,更要擁抱MLOps文化,建立起系統性AI協作新方法

2021-01-04

| ML工作流 | MLOps | MLU | Line臺灣 | ML開發工具 | AutoML | ML協作

Line臺灣首度揭露以MLOps概念打造的ML協作平臺,透過整合開發工具減少溝通協作成本,來加速ML應用落地

Line臺灣首度揭露運用MLOps觀念打造的MLU機器學習平臺,能讓資料工程團隊在打造ML應用時,透過整合在ML Pipeline中的開發工具,來降低彼此的溝通協作成本,同時也提高了ML開發的效率,來加速應用落地

2020-12-21

| OpenShift | Cloud Pak | DataOps | MLOps | VPC授權計價單位

因應多雲資料處理分析需求,IBM提供專屬預先整合套件

企業若要建置支援雲端原生應用的關聯式資料庫、資料倉儲、NoSQL資料庫,IBM推出預先整合套件Cloud Pak for Data,能在公有雲與私有雲環境快速建置資料分析基礎架構

2019-11-15