ML cube Platform

Pourquoi Plateforme ML cube?

En matière d'IA en production, un défi crucial se pose : la non-stationnarité des données, qui compromet l'efficacité et la fiabilité des algorithmes.
ML cube Platform y remédie en détectant de manière proactive les modifications des données et des conditions de fonctionnement susceptibles de dégrader la précision du modèle et de provoquer des problèmes de production.
Cela aide les développeurs d'IA à améliorer la fiabilité de leurs systèmes d'IA déployés sur Siemens Industrial Edge.

Avantages

La plateforme ML cube Platform fournit une visibilité sur les performances, les données et le comportement des modèles en production, ce qui permet de détecter rapidement les anomalies et de garantir transparence et fiabilité.
ML cube Platform accélère l'analyse des causes profondes en associant les baisses de performances aux modifications apportées aux données, aux modèles ou au système, afin de réduire le temps de débogage.
Permet de réagir de manière proactive à la dérive des données, par exemple en reformant les modèles ou en ajustant les pipelines de données, afin de garantir une précision et des performances durables.

Fonctions phares

Surveillance active

Suit en permanence les performances des modèles, les entrées, les mesures d'image et les sorties en temps réel, en générant des alertes en cas d'anomalie ou de dégradation afin de garantir la fiabilité et une réponse rapide.

Explicabilité de la dérive

Identifie et explique pourquoi la dérive se produit en mettant en évidence les caractéristiques de l'image ou les segments de données modifiés, afin d'aider les équipes à comprendre et à traiter rapidement les causes profondes.

Clustering dynamique

Regroupe les données en clusters évolutifs en fonction de modèles, ce qui permet de détecter les changements dans les segments de données et de découvrir les changements cachés qui affectent les performances des modèles.

Applications dans le monde réel

Select...

Identification des défauts des fruits

La plateforme ML cube Platform a surveillé les images saisies et a correctement identifié une dérive saisonnière inattendue, à l'origine d'une détérioration des performances du modèle. Les modules de clustering dynamique et d'explicabilité de la dérive ont permis à l'utilisateur de comprendre la source de la dérive.

ML cube Platform est alimenté par ML cube