Déploiement de l'IA
Explorez 24 termes liés à l'IA dans le Déploiement de l'IA
Déviation de déploiement
La déviation de déploiement fait référence à la divergence des modèles d'IA par rapport à leurs conditions d'entraînement après le déploiement.
Environnement d'exécution
Un environnement d'exécution est une configuration où les programmes logiciels s'exécutent, fournissant les ressources et services nécessaires.
Gemini 1 Nano
Gemini 1 Nano est un modèle d'IA spécialisé conçu pour un traitement efficace des données et des inférences dans des environnements contraints.
Lancement encadré
GLUn lancement encadré est une sortie contrôlée des systèmes d'IA pour atténuer les risques et assurer la sécurité.
Analyse d'impact
L'analyse d'impact évalue les effets des changements dans les systèmes d'IA sur la performance, les processus et les résultats.
Échange d'actifs de modèles
MAXL'échange d'actifs de modèles est une plateforme pour partager et gérer les modèles d'IA et leurs actifs associés.
Base de modèles
Une base de modèles est un référentiel centralisé pour stocker, gérer et versionner les modèles d'IA.
Exécution du modèle
L'exécution du modèle fait référence au processus d'exécution d'un modèle d'IA entraîné pour faire des prédictions ou des décisions basées sur de nouvelles données.
Mise en œuvre du modèle
La mise en œuvre du modèle fait référence au processus de déploiement d'un modèle d'IA dans un environnement de production pour une utilisation réelle.
Instanciation du modèle
L'instanciation du modèle est le processus de création d'une instance d'un modèle d'apprentissage automatique en utilisant des paramètres et configurations prédéfinis.
Bibliothèque de modèles
Une bibliothèque de modèles est une collection de modèles d'IA pré-entraînés pour diverses applications, facilitant la réutilisation et le déploiement des modèles.
Migration de modèle
La migration de modèle fait référence au processus de transfert de modèles d'apprentissage automatique entre différents environnements ou plateformes.
Persistance du modèle
La persistance du modèle désigne la capacité à sauvegarder et à recharger des modèles d'apprentissage automatique pour une utilisation future.
Pipeline de modèle
Un pipeline de modèle est une séquence structurée de processus pour développer et déployer des modèles d'IA.
Portabilité du modèle
La portabilité du modèle fait référence à la capacité de transférer des modèles d'IA entre différentes plateformes et frameworks de manière transparente.
Déploiement du modèle
Le déploiement du modèle désigne le processus de mise en production d'un modèle d'IA pour une utilisation dans le monde réel.
Serveur de modèle
Un serveur de modèle est une plateforme qui sert des modèles d'IA pour l'inférence, permettant aux applications d'utiliser ces modèles à distance.
Service de modèle
Le service de modèle fait référence au déploiement de modèles d'IA pour l'inférence en temps réel et la prise de décision dans les applications.
Cadre de déploiement de modèles
MSFUn cadre de déploiement de modèles fournit des modèles d'IA pour des prédictions en temps réel et des intégrations.
Instantané du modèle
Un instantané du modèle capture l'état d'un modèle d'apprentissage automatique à un moment précis.
Inférence hors ligne
L'inférence hors ligne est le processus d'exécuter des modèles d'IA sur des données précollectées sans interaction en temps réel.
Mise à jour en ligne
Une mise à jour en ligne désigne le processus d'amélioration d'un logiciel ou d'un système via Internet.
Cadre opérateur
Le cadre opérateur simplifie le déploiement et la gestion des applications Kubernetes.
Fonction Oracle
Les fonctions Oracle sont des fonctions sans serveur qui simplifient le développement d'applications cloud.