20: Technical Debt and Its Hidden Costs in Machine Learning Development
Artikel konnten nicht hinzugefügt werden
Leider können wir den Artikel nicht hinzufügen, da Ihr Warenkorb bereits seine Kapazität erreicht hat.
Der Titel konnte nicht zum Warenkorb hinzugefügt werden.
Bitte versuchen Sie es später noch einmal
Der Titel konnte nicht zum Merkzettel hinzugefügt werden.
Bitte versuchen Sie es später noch einmal
„Von Wunschzettel entfernen“ fehlgeschlagen.
Bitte versuchen Sie es später noch einmal
„Podcast folgen“ fehlgeschlagen
„Podcast nicht mehr folgen“ fehlgeschlagen
20: Technical Debt and Its Hidden Costs in Machine Learning Development
-
Gesprochen von:
-
Von:
Über diesen Titel
The discussion delves into the nuances of technical debt, particularly how data dependencies differ from code dependencies and why they are harder to detect. The podcast also covers unstable data signals, feedback loops, and the unique challenges faced by large language models (LLMs) in today's data-driven world. Bernardo shares potential mitigation strategies to help manage these technical debts effectively.
A special thank you to the authors D. Sculley, G. Holt, D. Golovin, and their team for developing this month's paper. If you are interested in reading the paper yourself, please visit this link: https://dl.acm.org/doi/10.5555/2969442.2969519.
For more information on artificial intelligence, machine learning, and engineering solutions for your business, please visit www.deeperinsights.com or contact us at thepaperclub@deeperinsights.com.
Noch keine Rezensionen vorhanden