| 東南亞 | 南向戰略 | 國泰金控 | 劉本傑 | 梁明喬 | 數位轉型 | 國泰數位數據暨科技發展中心 | 數數發中心 | 國泰資訊開發中心 | CDC | 資訊架構標準化 | MLOps | AI落地

【企業實戰:國泰金控IT技術出海-下】海外資訊架構標準化,下一步要發展MLOps加速AI落地

不只設立了CDC作為技術輸出海外的專責開發團隊,國泰金控也將海外資訊架構標準化,包括基礎架構、業務架構、技術和數據都要有一套標準化做法或框架,2022年更要發展MLOps來加速海外AI落地

2022-03-04

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

Line AI開發的關鍵基礎架構──ML Universe關鍵功能大公開

涵蓋了從模型實驗、Pipeline的持續部署與交付、自動化建立Pipeline,以及模型的持續訓練、持續部署、持續監測等流程

2021-04-08

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

【靠ML協作平臺加速AI落地】Line如何用MLOps重構AI開發流程

Line去年正式上線了一套加速AI開發的關鍵基礎架構平臺,要讓不同角色各司其職,藉由更緊密分工協作來系統性落地AI

2021-04-07

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決方案 | ML模型自動化 | AI維運

企業規模化落地AI關鍵是MLOps(下)三大原因助MLOps快速興起

促使MLOps快速成長的原因之一,是COVID-19疫情帶動大環境快速改變,導致許多部署上線的模型在一夕間不敷使用,凸顯了AI維運的挑戰

2021-04-06

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用

【AI開發也要擁抱DevOps】企業規模化落地AI關鍵是MLOps(上)

隨著企業AI走出實驗階段,開始分化出多種開發角色,如何透過打造如產線般緊密分工的協作方法,來加速落地AI?關鍵就是MLOps的實踐

2021-04-06