27.05.2019 Экспертиза, Идеи и практики автоматизации, Искусственный интеллект, МенеджментО том, как непрерывная интеграция/развертывание ПО позволяет задействовать сложные модели машинного обучения без потери качества управления данными, на портале InformationWeek рассказывает основатель консалтинговой компании Zimana Пьер Дюбуа. Машинное обучение и наука о данных — базовые дисциплины, изучение которых позволяет программистам и специалистам по данным овладеть теорией правильного применения передовых статистических и математических методов в контексте программирования. Однако на практике специалистам не просто подобрать качественные модели машинного обучения, которые бы не вступали в противоречие с принятыми на предприятиях схемами управления проектами, срывая сроки их выполнения или выходя за выделенные объемы финансирования. Чтобы не выбиваться из графиков разработки (особенно это касается ранних стадий), прибегая к действительно эффективным решениям на основе моделей, многие разработчики отдают предпочтение таким практикам разработки ПО, как непрерывная интеграция и непрерывное развертывание (continuous integration/continuous deployment, CI/CD). Непрерывная интеграция — схема разработки, которая предусматривает, что код и любые другие связанные с ним ресурсы (к примеру, рабочие копии) через регулярные промежутки времени сливаются с основной ветвью разработки и создаются частые автоматизированные сборки проекта для выявления потенциальных дефектов и решения интеграционных проблем. При этом код и сборки хранятся в общем хранилище. Непрерывное развертывание ...
читать далее.
