Les équipes ont enregistré les exécutions, les paramètres et les métriques dans des fichiers locaux ou des feuilles de calcul. Les systèmes de suivi des expériences conservent désormais les artefacts, les versions de code et les comparaisons de manière centralisée.
Outil de suivi des expériences sur feuille de calcul n’existe plus comme métier vivant. Voici ce qui l’a effacé, et quelle profession a repris le travail.
Des modèles comme artefacts de recherche
L’apprentissage automatique réside en grande partie dans la recherche, les produits spécialisés et les statistiques. Les préoccupations opérationnelles existaient mais ne constituaient généralement pas une carrière distincte.
Ce qui se passait alors
Le classement à l'échelle du Web montre comment les modèles et l'infrastructure de données peuvent devenir une infrastructure produit centrale.
Amazon Web Services rend le calcul et le stockage élastiques disponibles en tant que services d'exploitation plutôt que du matériel possédé.
Le succès d'AlexNet sur ImageNet place la formation basée sur GPU au cœur de nombreux programmes d'apprentissage automatique.
Les chercheurs de Google expliquent pourquoi les systèmes ML accumulent des dépendances et des charges de maintenance au-delà de leur code modèle.
Où vit ce travail aujourd’hui
Construit les systèmes qui entraînent, déploient, surveillent et gouvernent les modèles d'apprentissage automatique en production.
📦 Ingénieur MLOps →