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 tijdperk van AI in organisaties is duidelijk al aangebroken. Er wordt op veel plaatsen volop geëxperimenteerd en AI wordt steeds vaker ook in de praktijk ingezet. Toch zullen organisaties en bedrijven nog een uitdagende weg, zo niet een marathon, moeten afleggen om AI in volle glorie tot wasdom te laten komen. Alleen als je op pad gaat, zul je ervaren of je je doel bereikt.

Lees verder

In één middag werden 100 bestuurders en managers in de zorg en overheid bijgepraat door Jim Stolze, Jeroen van den Hoven, M&I/Partners, Rijkswaterstaat, Leids Universitair Medisch Centrum, Pacmed in samenwerking met Amsterdam UMC en de Politie de aanwezigen mee in de AI-toepassingen bij de zorg en overheid. 

Lees verder