Machine Learning modellen zou je eigenlijk moeten beschouwen als producten binnen een organisatie. Zodra je dat doet besef je dat ML algoritmes ook een life cycle hebben. Ze worden gemaakt, moeten geüpdatet worden, onderhouden en uiteindelijk uitgefaseerd. Kortom, het is ook belangrijk om een stuk product management te doen op ML modellen. Tijdens Big Data Expo gaan we in gesprek met Jan van der Vegt van Cubonacci over ML life cycle management.

Wil je meer weten over dit onderwerp kijk dan op:

https://www.cubonacci.com/blog/the-machine-learning-lifecycle 

 

Jan van der Vegt

Mijn naam is Jan van der Vegt en ik ben een van de co-founders van Cubonacci. Wij werken aan een SaaS oplossing voor machine learning lifecycle management. Voordat ik hieraan begon heb ik als lead data scientist bij KLM gewerkt waar ik me ook veel heb bezig gehouden met dit onderwerp. Wij zien vanuit onze eigen ervaring en vanuit ons netwerk dat machine learning projecten nog teveel gezien wordt als een wiskundig probleem terwijl de daadwerkelijke modellen maar een klein onderdeel van een geheel project of product zijn. De gehele machine learning lifecycle begint bij het begin van een project maar gaat een stuk verder dan een initieel model, van experimenteren tot monitoring, het regelmatig hertrainen van modellen tot het automatisch schalen van de infrastructuur aan de achterkant.