Онтологии ИИ

Искусственный интеллект быстро стал краеугольным камнем технологий, существенно повлияв на европейский общественный и экономический ландшафт. Однако распространение ИИ также поднимает важные этические, правовые и нормативные проблемы. Проект CERTAIN (Сертификация этической и нормативной прозрачности в области искусственного интеллекта) решает эти проблемы, разрабатывая комплексную структуру, которая интегрирует соблюдение нормативных требований, этические стандарты и прозрачность в системы ИИ. В данной аналитической записке мы описываем методологические этапы создания основных компонентов этой структуры. В частности, мы представляем: (i) семантические операции машинного обучения (MLOps) для структурированного управления жизненным циклом ИИ, (ii) отслеживание происхождения данных на основе онтологий для обеспечения прослеживаемости и подотчетности, и (iii) рабочие процессы регуляторных операций (RegOps) для операционализации требований соответствия. Внедряя и проверяя свои решения в различных пилотных проектах, CERTAIN стремится к повышению уровня соответствия нормативным требованиям и продвижению ответственных инноваций в области ИИ, соответствующих европейским стандартам. - Towards a Framework for Supporting the Ethical and Regulatory Certification of AI Systems

Машинное обучение в проде

Курс CMU, который охватывает, как создавать, развертывать, обеспечивать и поддерживать программные продукты с моделями машинного обучения. Включает весь жизненный цикл от прототипа модели ML до целой системы, развернутой в производстве. Охватывает также ответственный ИИ (включая безопасность, защищенность, справедливость, объяснимость) и MLOps. - Machine Learning in Production (17-445/17-645/17-745) / AI Engineering (11-695)

Все про MLOps

Awesome MLOps - коллекция ссылок

См. также другие публикации по теме MLOps

MLOps

Еще одна интересная подпорка ресурсов по MLOps. Между прочим, real time machine learning - это также MLOps

См. также другие публикации по теме MLOps

MLOps

Руководство по MLOps

MLOps

Machine Learning Operations (MLOps): Overview, Definition, and Architecture

GitHub MLOps

Использование Github Actions для DevOps