Beranda / Jalur Belajar / AI Deployment & MLOps
Belajar AI Deployment & MLOps
Mengemas model menjadi layanan yang dapat dipantau dan diperbarui.
Bekal Sebelum Mulai
Python, Git, dan model machine learning yang sudah dievaluasi.
Cakupan Materi
Gunakan urutan ini untuk memahami jalur belajar. Silabus, jadwal, dan fasilitas kelas mengikuti kursus yang dipilih di katalog.
1. Reproduksibilitas
Catat versi kode, data, dependensi, dan parameter pelatihan.
2. Kontrak inferensi
Definisikan input, output, validasi, dan penanganan kesalahan.
3. Packaging
Simpan pipeline preprocessing bersama model dan dokumentasikan lingkungan.
4. Pengujian layanan
Uji sampel normal, input tidak valid, dan kegagalan dependensi.
5. Pemantauan
Tentukan metrik latensi, error, distribusi input, dan kualitas prediksi.
6. Pembaruan model
Rancang evaluasi kandidat, persetujuan rilis, rollback, dan pelacakan versi.
Contoh Proyek Latihan
Layanan prediksi dengan validasi input, pengujian integrasi, pencatatan versi, dan prosedur rollback.
Contoh ini merupakan ide latihan, bukan klaim hasil peserta.
Program dan Pengajar
Periksa katalog atau hubungi tim untuk memilih kelas, melihat silabus, dan memastikan pengajar serta jadwalnya.
Panduan Pendukung
Kontak: aicendekia5@gmail.com · 0817 7603 7711