Blog: Development

Dane 89% organizacji opieki zdrowotnej zostało wykradzione w przeciągu dwóch minionych lat na skutek cyberataków. 81% incydentów związanych z cyberbezpieczeństwem w służbie zdrowia spowodowanych jest zaniedbaniem pracowników. Dokumentacja zdrowotna pacjenta może być sprzedana na czarnym rynku nawet za 363 USD, czyli więcej niż jakakolwiek informacja z innych branż [źródło: PurpleSec]. Te statystyki brzmią poważnie, a to tylko wierzchołek […]

Gdy data lakes (jeziora danych) dynamicznie się rozwijały, ogromne firmy, takie jak Netflix czy Apple, niestrudzone w swoim nowatorstwie musiały znaleźć wydajniejszą metodę porządkowania formatów tabel. Po co? By szybciej gromadzić informacje. W tym wpisie wyjaśnię jedną z najnowszych funkcji współczesnych data lakes, coś co poetycko możemy nazwać “Podróżami w czasie”, a w praktyce sprowadza […]

W poprzednim artykule przedstawiłem jak MLOps wspomaga proces implementacji systemów ML (ang. machine learning). Ten tekst stanowi rozwinięcie jednej z uprzednio przedstawionych praktyk – monitorowania. W dalszej części postaram się odpowiedzieć na następujące pytania:   Dlaczego tak znaczące jest monitorowanie produkcyjnych modeli i do jakich konsekwencji może doprowadzić jego brak?  Czym różni się monitorowanie systemu ML od monitorowania klasycznych aplikacji webowych?   W jaki sposób […]

Od chwili powstania w 1999 roku Salesforce stale się rozwija. Od wielu lat utrzymuje pozycję lidera na rynku systemów CRM. Wydaje się, że Salesforce jest obecnie nie do zatrzymania. Co takiego Salesforce ma do zaoferowania, że polega na nim ponad 80% największych przedsiębiorstw wg rankingu Fortune 500? Jak trafne było dawne motto Salesforce – „Sukces na żądanie”?  Salesforce to nie tylko system CRM, ma do zaoferowania znacznie więcej. Jest to nastawiony na […]

Only in english.

Według badania przeprowadzonego w 2020 roku 36% ankietowanych uznało, że inżynierowie danych spędzają jedną czwartą swojego czasu pracy na wdrażaniu modeli ML (ang. Machine learning). Natomiast kolejne 36% respondentów wskazało, że stosunek ten wynosi nawet 1:1. Jak więc wzbogacić proces implementacji systemów uczenia maszynowego? Co należy zrobić, żeby inżynierowie danych mogli skupić się w pełni na swoich obowiązkach? W niniejszej publikacji odpowiem na powyższe pytania oraz przedstawię przykłady praktyk, wykorzystywanych przez MLOps w celu efektywniejszego wytwarzania systemów ML. Rysunek 1 przedstawia główne etapy procesu […]