À propos de cet événement
Dans un monde où les données sont vivantes et évoluent au rythme du monde qui les génère, comment anticiper les évolutions nécessaires des modèles au cours du temps ? Quels sont les points de passage entre le machine learning in vitro et in vivo ?
Dans ce wébinaire, nous aborderons la notion de cycle de vie de modèle, qui n'est autre que la science des modèles en production.
Nous développerons trois questions permettant de caractériser rapidement son cas d'usage dans la galaxie des problématiques organisationnelles et techniques.
Enfin, nous aborderons les étapes essentielles qui jalonnent la vie d'un modèle, de sa création à sa surveillance en passant par son déploiement.
