Lifecycle Management van AI-modellen


Dit artikel gaat in op Lifecycle Management van AI-modellen, op de betrokken stakeholders, de activiteiten en uitdagingen die daarbij komen kijken en gaat dieper in op configuratiebeheer van AI-modellen, monitoring, responsible AI en governance.

Lifecycle Management van AI-modellen

Inhoudsopgave

Lifecycle Management & AI
Stakeholders AI
De AI lifecycle.

Uitdagingen bij AI Lifecycle Management

AI Lifecycle Management in de zorg
Eisen bij zelf ontwikkelen van een AI-oplossing
AI impact assessment

Configuratiebeheer van AI-modellen
Configuratie managementgegevens
Configuratie managementtooling: DSML-platformen

Monitoring and feedback
Modeldrift
Identificeren van modeldrift
Best practices voor monitoren van modellen

Responsible AI en kwaliteitseisen
Responsible AI
Kwaliteitseisen

Governance en verantwoordelijkheden
Governance stappen 



Terug naar het overzicht

Wilt u aan de slag met succesvolle AI-implementatie binnen uw organisatie?

Ga naar de AI-Routekaart

Gerelateerde publicaties

Het enthousiasme over de mogelijkheden van Artifical Intelligence in de zorg geeft veel zorgorganisaties de ruimte te experimenteren. Maar om een ontwikkeld AI-model te implementeren en veilig te blijven gebruiken moet er nog veel gebeuren.

Lees verder

Een meerderheid van de deelnemende ziekenhuizen (64%) is in meer of mindere mate bezig met experimenten en/of implementaties van AI. Dit blijkt uit het jaarlijks onderzoek van M&I/Partners naar de stand van AI bij Nederlandse ziekenhuizen uitgevoerd onder 53 vertegenwoordigers van 42 ziekenhuizen.

 

Lees verder