Con l\u2019evoluzione dell\u2019intelligenza artificiale data-driven che sta trasformando i settori industriali a livello globale, il rilascio di modelli di IA in ambienti di produzione presenta sfide ingegneristiche complesse, che vanno ben oltre la semplice fase di sviluppo.<\/p>\n
L\u2019ascesa dei modelli linguistici di grandi dimensioni (LLM)<\/strong> ha reso queste sfide ancora pi\u00f9 rilevanti, imponendo la necessit\u00e0 di strategie innovative per gestire la complessit\u00e0 computazionale<\/strong>, il comportamento dinamico<\/strong> dei modelli e la loro integrazione efficace nel mondo reale<\/strong>. Colmare il divario tra prototipi sperimentali e sistemi di IA solidi, affidabili e scalabili richiede pratiche, strumenti e metodologie specializzate.<\/p>\n In questo contesto, il paradigma delle Machine Learning Operations <\/strong>(MLOps) \u2013 insieme alla sua recente evoluzione focalizzata sugli LLM<\/strong>, nota come LLMOps<\/strong> \u2013 si \u00e8 affermato come quadro di riferimento essenziale. Questi approcci forniscono soluzioni sistematiche per ottimizzare l\u2019intero ciclo di vita dei modelli di machine learning, dalla fase di sviluppo all\u2019implementazione in produzione.<\/p>\n Il workshop, coordinato da Luigi Quaranta<\/em> dello Spoke 6, si terr\u00e0 dal 25 al 30 di ottobre<\/strong> a Bologna<\/strong> nell’ambito di ECAI 2025 e ha come obiettivo quello di riunire ricercatori, professionisti e stakeholder del mondo accademico e industriale<\/strong> per affrontare le principali sfide operative, esplorare le soluzioni pi\u00f9 avanzate, condividere implementazioni concrete e analizzare le tendenze emergenti nel campo delle MLOps e LLMOps<\/strong>.<\/p>\n L\u2019evento prevede sessioni interattive<\/strong>, la presentazione di articoli peer-reviewed<\/strong>, keynote da parte di esperti del settore<\/strong> e momenti di confronto, favorendo una partecipazione attiva e la collaborazione tra tutti i partecipanti<\/strong>.<\/p>\n