Livrer des systèmes d’IA dans des environnements hautement réglementés avec Miriam Friedel

Aujourd’hui, nous sommes rejoints par Miriam Friedel, directeur principal de ML Engineering chez Capital One. Dans notre conversation avec Miriam, nous discutons de certains des défis rencontrés lors de la livraison des outils et des systèmes d’apprentissage automatique dans un environnement d’entreprise hautement réglementé, et certaines des pratiques que ses équipes ont adoptées pour les aider à fonctionner avec plus de vitesse et d’agilité. Nous explorons également comment créer une culture de collaboration, la valeur de l’outillage et des processus standardisés, en tirant parti de la source ouverte et en réutilisant le modèle pour inciter. Miriam partage également ses réflexions sur la création d’une équipe «Unicorn», et ce que cela signifie pour l’équipe qu’elle a construite à Capital One, ainsi que son adoption sur Build vs. Acheter des décisions pour les Mlops, et l’avenir des Mlops et de l’Enterprise AI plus largement. Tout au long, Miriam partage des exemples de ces idées au travail dans certains des outils que leur équipe a construits, tels que Rubicon, un outil de gestion des expériences open source et des composants de pipelines Kubeflow qui permettent aux scientifiques des données de Capital One de tirer parti efficacement des modèles et d’échelle.