Alors que l'intelligence artificielle est de plus en plus intégrée dans les systèmes logiciels, le test de ces systèmes reste un défi complexe et souvent mal compris. Ces systèmes présentent un ensemble unique de difficultés, de leur nature probabiliste aux processus exploratoires et aux contextes en constante évolution inhérents au développement de modèles de Machine Learning.

Dans ce talk, nous discuterons des processus de développement logiciel que les Data Scientists et Machine Learning Engineers peuvent suivre pour assurer la fiabilité et la maintenabilité de leurs logiciels, tout en conservant la capacité d'explorer rapidement les moyens d'améliorer leurs modèles de Machine Learning en réponse aux dérives des données d'entrée ou aux changements des exigences fonctionnelles.