[#667] Navigating the AI minefield with MLOps

W świecie zdominowanym przez hype na sztuczną inteligencję, rzadko mówi się o tym, co dzieje się, gdy kurz po efektownym demo opada, a model trafia w ręce inżynierów odpowiedzialnych za produkcję. Statystyki mówią o 80-90% porażek projektów AI/ML i nie jest to wina słabych algorytmów, lecz brutalnego zderzenia teorii z praktyką. Podczas tej sesji zapomnimy na chwilę o optymalizacji modeli, a skupimy się na rozbrajaniu min, które czekają na każdego, kto próbuje przenieść AI do chmury. Przejdziemy przez lekcje wyciągnięte z projektów, gdzie największym wyzwaniem nie była matematyka, lecz ukryty dług techniczny, kłamiące modele oraz historie z gatunku “u mnie działa”. Zastanowimy się, jak sprawić, by AI przestało być czarną skrzynką generującą przypadkowe koszty, a stało się przewidywalnym elementem stosu technologicznego. Jeśli chcesz dowiedzieć się, jak uniknąć najczęstszych pułapek przy wdrażaniu MLOps i dlaczego nudna infrastruktura jest kluczem do sukcesu najbardziej widowiskowych modeli, ta sesja jest właśnie dla Ciebie.