8 predicciones de MLops para el aprendizaje automático empresarial en 2023

Consulte todas las sesiones bajo demanda de Smart Security Summit aquí.

El panorama de MLops está en auge, con un mercado global estimado en $612 millones en 2021 y se espera que supere los $6 mil millones para 2028. Sin embargo, también está muy fragmentado, con cientos de proveedores de MLops compitiendo por la inteligencia artificial operativa del usuario final. (IA) ecosistemas.

MLops surgió como un conjunto de mejores prácticas hace menos de 10 años para abordar una de las mayores barreras que impiden que las empresas pongan en práctica la IA: la transición de los entornos de desarrollo y capacitación a los entornos de producción. Esto es fundamental porque casi uno de cada dos pilotos de IA nunca llega a producción.

Entonces, ¿qué tendencias surgirán en el panorama de MLops en 2023? Varios expertos en IA y ML han compartido sus predicciones con VentureBeat:

1. MLops irá más allá de la exageración

“MLops no solo será un tema de moda, sino una fuente de capacitación para los científicos de datos para llevar los modelos de aprendizaje automático a la producción. aprendizaje automático.

Evento

Cumbre de seguridad inteligente bajo demanda

Obtenga más información sobre el papel esencial de la IA y el ML en la ciberseguridad y los estudios de casos específicos de la industria. Mira las sesiones a pedido hoy.

mira aquí

"A medida que las organizaciones se esfuerzan por promover las mejores prácticas en la producción de IA, la adopción de MLops para cerrar la brecha entre el aprendizaje automático y la ingeniería de datos ayudará a unificar estas funciones sin problemas. Será fundamental en los desafíos en constante cambio de escalar los sistemas de IA, y las empresas que vengan a adoptarlo el próximo año y aceleren esta transición serán las que cosechen los beneficios.

>

— Steve Harris, director ejecutivo de Mindtech

2. Los científicos de datos favorecerán los modelos ML predefinidos específicos de la industria y el dominio

"En 2023, veremos una cantidad cada vez mayor de modelos de aprendizaje automático [ML] preconstruidos disponibles para los científicos de datos. Estos encapsulan la experiencia del dominio en un modelo de ML inicial, que luego acelera el tiempo de valor y el tiempo de comercialización para científicos de datos y sus organizaciones Por ejemplo, estos modelos de ML preconstruidos ayudan a eliminar o reducir el tiempo que los científicos de datos tienen que dedicar a capacitar y refinar modelos. usar modelos ML.

"Lo que espero ver en el próximo año y más allá es un aumento en los modelos de ML predefinidos de la industria y específicos del dominio, lo que permite a los científicos de datos trabajar en problemas más grandes. dirigidos utilizando un conjunto bien definido de datos subyacentes y sin tener dedicar tiempo a convertirse en un experto en la materia en un área que no es esencial para su organización".

— Torsten Grabs, digamos...