On-premises
Une infrastructure et un logiciel on-premises sont exploités par l'utilisateur. Le terme est utilisé en oposition à celui de on-demand. L'utilisateur engage les dépenses nécessaire à la maintenance et à l'exploitation des logiciels et du matériel. Il a l'entière responsabilité du fonctionnement du logiciel et est responsable de la maintenance. Un avantage important de ce modèle d'utilisation est que le licencié conserve un contrôle total sur toutes ses données et le fonctionnement du logiciel.
Dans le cadre d'une infrastructure, une entreprise peut posséder ou louer tout ou partie d'un datacenter. Pour un logiciel, celui-ci est installé et opéré par l'utilisateur, que les serveurs soient physiques ou virtuel et qu'ils sont hébergés dans son datacenter ou sur le cloud.
Les utilisateurs typiques du modèle on-premises sont des entreprises et des organisations qui collectent et traitent des données sensibles qui ne peuvent pas ou ne devraient pas être externalisées vers des centres de données tiers.
- En savoir plus
- Wikipédia
Articles associés
H2O en pratique : un protocole combinant AutoML et les approches de modélisation traditionnelles
Catégories : Data Science, Formation | Tags : Automation, Cloud, H2O, Machine Learning, MLOps, On-premises, Open source, Python, XGBoost
H20 est livré avec de nombreuses fonctionnalités. La deuxième partie de la série H2O en pratique propose un protocole pour combiner la modélisation AutoML avec des approches de modélisation et d…
12 nov. 2021
H2O en pratique: retour d'expérience d'un Data Scientist
Catégories : Data Science, Formation | Tags : Automation, Cloud, H2O, Machine Learning, MLOps, On-premises, Open source, Python
Les plates-formes d’apprentissage automatique (AutoML) gagnent en popularité et deviennent un outil puissant à disposition des data scientists. Il y a quelques mois, j’ai présenté H2O, une plate-forme…
29 sept. 2021
Développement accéléré de modèles avec H2O AutoML et Flow
Catégories : Data Science, Formation | Tags : Automation, Cloud, H2O, Machine Learning, MLOps, On-premises, Open source, Python
La construction de modèles de Machine Learning (ML) est un processus très consommateur de temps. De plus, il requière de bonne connaissance en statistique, en algorithme de ML ainsi qu’en…
10 déc. 2020
Mise en production d'un modèle de Machine Learning
Catégories : Big Data, Data Engineering, Data Science, DevOps & SRE | Tags : DevOps, Exploitation, IA, Cloud, Machine Learning, MLOps, On-premises, Schéma
“Le Machine Learning en entreprise nécessite une vision globale […] du point de vue de l’ingénierie et de la plateforme de données”, a expliqué Justin Norman lors de son intervention sur le…
Par RYNKIEWICZ Oskar
30 sept. 2019
Notes du Google Cloud Summit à Paris
Catégories : Évènements | Tags : AWS, Azure, Cloud, GCP, Kubernetes, On-premises
Le 18 Juin avait lieu l’édition 2019 du salon annuel de Google à Paris. L’édition Parisienne de cette année a été la plus grande jusqu’à maintenant, ce qui reflète l’engagement de Google à se…
Par SAHNOUNI Tariq
26 juin 2019