AIToday Live S04E04 - Trends in MLOps - Deel 1 - ML
Welkom bij de AIToday Live podcast, waarin de MLOps trends centraal staan die we hebben waargenomen tijdens QCon San Francisco 2022. In de eerste aflevering van deze driedelige reeks ligt de focus op machine learning. Joop Snijder, gaat in gesprek met Willem Meints en samen delen zij hun expertise en ervaringen over recente ontwikkelingen in MLOps.
Een opvallend gegeven is de groeiende populariteit van deep learning, terwijl traditionele machine learning modellen minder gebruikt worden. Daarnaast blijken explainable AI en interpretable ML nog relatief weinig aandacht te krijgen, wellicht omdat bedrijven zich vooral concentreren op productie en opschaling, en minder op uitlegbaarheid.
Wat betreft tooling wordt TensorFlow minder populair, terwijl PyTorch juist terrein wint. Dit is mede te danken aan het feit dat PyTorch onder de vleugels van de Linux Foundation valt, wat meer samenwerking en bijdragen aan het project stimuleert. Bovendien wordt MLOps steeds meer declaratief, wat resulteert in eenvoudigere en toegankelijkere code, zelfs voor niet-experts. Ludwig wordt als voorbeeld genoemd, een framework dat het bouwen, verfijnen en opschalen van modellen eenvoudiger maakt.
Tot slot benadrukken Joop en Willem het belang van een balans tussen technologische en niet-technologische oplossingen. Ze wijzen op 'techno solutionism', de neiging om te snel naar technologie te grijpen zonder na te denken over langetermijneffecten of alternatieven. Kritisch nadenken over de impact van technologische oplossingen is cruciaal, zowel op korte als lange termijn.
De aflevering is de eerste van een driedelige serie, verdeelt in ML, Dev, Ops. 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:
- Opvallend is de toename van deep learning ten koste van traditionele machine learning modellen, terwijl explainable AI en interpretable ML nog relatief weinig aandacht krijgen.
- Qua tooling neemt de populariteit van TensorFlow af, terwijl PyTorch in opkomst is, mede dankzij de samenwerking met de Linux Foundation.
- MLOps wordt steeds meer declaratief, wat zorgt voor eenvoudigere en toegankelijkere code; Ludwig wordt hierbij genoemd als een voorbeeld van een vereenvoudigend framework.
- Het belang van een balans tussen technologische en niet-technologische oplossingen wordt benadrukt, met kritisch denken over de impact van technologie als essentieel aspect.
- Waar komen we Explainable AI tegen in de trends in MLOps?
Links
- Ludwig - https://github.com/ludwig-ai/ludwig
Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!