Description

Joop Snijder en Willem Meints, Chief Data Scientist @ Aigency, zijn op de conferentie QCon San Francisco en bespreken de trends in MLOps die gepresenteerd zijn op de conferentie.

Dit is deel 2 van een driedelige serie en gaat over het Development deel van Machine Learning modellen.

Let op: De afleveringen zijn wat technischer dan wat je van ons gewend bent en zijn wat meer geschikt voor Data Scientists, Machine Learning experts en verder voor iedereen die enthousiast is over de implementatie van ML-systemen.

De volgende onderwerpen komen aan bod:

• Case van DoorDash - Hoe DoorDash (soort van Thuisbezorgd) declaratief features beschrijft en wat dit betekent
• Het verschil tussen een data catalog en een feature store 
• Real-time streaming en het concept van muffige data en wat doe je met die data
• Voorbeeld van Amazon Retail over het bouwen van machine learning modellen voor mobiele telefoons en welke ontwerpkeuzes zij gemaakt hebben.

Links

• Claypot.ai - Platform for Real-time Machine Learing
• Blog - Introducing Fabricator: A Declarative Feature Engineering Framework
• Boek - Designing Machine Learning Systems - An Iterative Process for Production-Ready Applications van Chip Huyen

Stuur ons een bericht

Stem op AIToday Live voor de Nationale AI Awards 2025 – dat kan tot 12 januari via aimaze.nl/ai-awards-voting-2025

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!