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

Artificial Intelligence is een enorme hype. Het lijkt dat er elke dag weer nieuwe termen en woorden bijkomen. Wat is nou zin en wat is onzin? Welke AI-termen zou je nou wél moeten onthouden? M&I/Partners gaf tijdens de AI Bullshit Bingo antwoord op deze vragen.

Lees verder

Zorgorganisaties stellen zich geregeld de vraag of de organisatie van de informatievoorziening nog passend is bij de behoeften vanuit de organisatie. Vanuit onze adviespraktijk zien we dat veel discussies hierover zich binnen organisaties herhalen én over organisaties heen vergelijkbaar zijn. Jeroen van Oostrum en Pien Nijpjes hebben hun kennis gebundeld in een whitepaper en beschrijven deze algemeen geldende principes en trends.

Lees verder