Machine learning
Peu de méthodes d’analyse offrent autant de potentiel que le machine learning (ML), également appelé apprentissage automatique. En tant que sous-discipline de l’intelligence artificielle (IA), il permet de générer des connaissances et des savoirs concrets à partir de données existantes et nouvelles, et donc de faire de meilleures déductions et prévisions. Sur la base d’algorithmes, vous pouvez développer vos propres modèles d’apprentissage automatique et réaliser une multitude de scénarios d’utilisation pratiques sur le Cloud IONOS.
Exemple : offrez à vos clients une meilleure expérience utilisateur et commerciale sur vos sites Web grâce à des suggestions d’achat ou des informations adaptées.
Dans le cycle de vie du machine learning, on distingue la phase de développement, d’entraînement et la phase dite d’inférence, opérationnelle.
Lors de la première phase, le data scientist développe le modèle d’apprentissage automatique sur la base de données d’entraînement. Après avoir effectué un grand nombre de tests et amélioré l’algorithme, le modèle est terminé. Il est ensuite utilisé pour une tâche concrète lors de la phase d’inférence et implémenté dans un pipeline par les ingénieurs de machine learning.
Différents produits Cloud et outils open source sont utilisés pour le développement et le déploiement du pipeline :
Cas d’usage
Cas d’usage
Cas d’usage