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

De publieke sector staat voor stevige maatschappelijke opgaven. Burgers verwachten transparantie en een toegankelijke en veilige digitale dienstverlening van de overheid. Artificial Intelligence biedt kansen voor de maatschappij en de economie. Maar artificial intelligence komt ook met uitdagingen. Enri Leufkens vertelt over de mogelijkheden, kritische aandachtspunten en geeft tips voor een effectieve AI-aanpak.

Lees verder

Kunstmatige intelligentie weet medische scans bijvoorbeeld uitstekend te interpreteren. De vraag die velen zich echter stellen luidt: wordt het werk van de zorgverlener op den duur overbodig? Gaat AI onze banen overnemen? Deskundigen verwachten dat binnen nu en tien jaar machines het menselijk brein zullen evenaren en misschien zelf overtreffen. 

Lees verder