Pertama, Anda akan mempelajari fitur inti MLOps. Anda akan menelusuri siklus hidup machine learning, tahap-tahapnya, serta peran yang terkait dengan proses MLOps.

Apa itu MLOps?

Menjelaskan MLOps

Opsi

Tindakan yang selaras dengan prinsip-prinsip MLOps

Tindakan yang tidak selaras dengan prinsip-prinsip MLOps

Prinsip-prinsip MLOps

Berbagai fase dalam MLOps

Siklus Hidup ML

Perancangan

Pengembangan

Penyebaran

Tugas per fase

Peran dalam MLOps

Tim MLOps Anda

Data Engineer

Data Scientist

Peran inti dalam proses MLOps

Pengantar MLOps

Selanjutnya, Anda akan mempelajari tahap perancangan dan pengembangan dalam siklus hidup machine learning. Anda akan menelusuri estimasi nilai tambah, kualitas data, feature store, dan pelacakan eksperimen.

Desain MLOps

Mengidentifikasi kebutuhan bisnis

Metrik kunci

Kualitas data dan pemasukan data

Menentukan kualitas data

Dimensi kualitas data

Rekayasa fitur

Meningkatkan kinerja model

Membantu seorang teman

Pelacakan eksperimen

Apa yang dapat kita lacak?

Mengabaikan pelacakan eksperimen

Perancangan dan Pengembangan

Pada bab ini, Anda akan mendalami konsep yang relevan untuk menerapkan machine learning ke produksi, seperti lingkungan runtime, containerization, pipeline CI/CD, dan strategi penerapan.

Mempersiapkan model untuk deployment

Lingkungan runtime

Menggunakan kontainer atau tidak

Arsitektur penerapan Machine Learning

Microservice

Alur data API

CI/CD dan strategi deployment

Pipeline CI/CD

Strategi deployment

Otomatisasi dan penskalaan

Bagaimana komponen mengotomatiskan dan melakukan skala

Komponen MLOps

Menerapkan Machine Learning ke Produksi

Terakhir, Anda akan mempelajari pemeliharaan machine learning di produksi, dengan konsep seperti pemantauan statistik dan komputasional, pelatihan ulang, berbagai tingkat kematangan MLOps, serta alat yang dapat digunakan dalam siklus hidup machine learning untuk menyederhanakan proses.

Memantau model Machine Learning

Pemantauan machine learning

Pemantauan statistik vs. komputasional

Melatih ulang model Machine Learning

Contoh drift

Pelatihan ulang

Tingkat kematangan MLOps

Alat MLOps

Menggunakan sebuah alat

Pilih alat yang tepat

Rekap: Konsep MLOps

Memelihara Machine Learning di Produksi

Course Glossary

Memahami Machine Learning Operations (MLOps) sangat penting bagi setiap data scientist, engineer, atau pemimpin untuk membawa model machine learning dari notebook lokal menjadi model yang berfungsi di produksi. Kursus ini memperkenalkan proses, tahap, dan tingkat utama MLOps, termasuk perancangan, pengembangan, penerapan, dan pemantauan. Anda akan mengetahui bagaimana otomatisasi memungkinkan organisasi meluncurkan, memantau, dan memperbarui model machine learning mereka secara efisien.

Video dilengkapi transkrip langsung yang dapat Anda tampilkan dengan mengeklik "Show transcript" di kiri bawah video.									
Glosarium kursus dapat ditemukan di sebelah kanan pada bagian sumber daya.				
					
Untuk memperoleh kredit CPE, Anda perlu menyelesaikan kursus dan mencapai skor 70% pada asesmen yang memenuhi syarat. Anda dapat menuju ke asesmen dengan mengeklik pemberitahuan kredit CPE di sebelah kanan.									

<h2>Pelajari tentang Operasi Pembelajaran Mesin (MLOps)</h2>
Memahami konsep MLOps sangat penting bagi setiap ilmuwan data, insinyur, atau pemimpin untuk mengimplementasikan model pembelajaran mesin dari notebook lokal menjadi model yang berfungsi di lingkungan produksi.
<br><br>
Dalam kursus ini, Anda akan mempelajari apa itu MLOps, memahami fase-fase yang berbeda dalam proses MLOps, dan mengidentifikasi tingkat kematangan MLOps yang berbeda. Setelah memahami konsep-konsep dasar MLOps, Anda akan siap untuk menerapkan machine learning secara berkelanjutan, andal, dan efisien dalam perjalanan Anda.
<br><br>
<h2>Temukan Cara Machine Learning Dapat Diperluas dan Diotomatisasi</h2>
Bagaimana cara kita dapat mengembangkan proyek machine learning kita dengan menggunakan waktu dan sumber daya seminimal mungkin? Dan bagaimana kita dapat mengotomatisasi proses kita untuk mengurangi kebutuhan intervensi manual dan meningkatkan kinerja model? Ini adalah pertanyaan-pertanyaan dasar dalam Machine Learning yang dijawab oleh MLOps.
<br><br>
Dalam kursus MLOps ini, Anda akan memulai dengan mempelajari dasar-dasar MLOps, termasuk fitur inti dan peran yang terkait. Selanjutnya, Anda akan menjelajahi berbagai fase dalam siklus hidup machine learning secara lebih rinci.
<br><br>
Seiring dengan kemajuan Anda, Anda juga akan mempelajari sistem dan alat untuk meningkatkan skalabilitas dan otomatisasi operasi machine learning, termasuk feature stores, pelacakan eksperimen, CI/CD pipelines, microservices, dan containerization. Anda akan mempelajari konsep-konsep utama MLOps, yang akan memberikan pemahaman yang lebih mendalam tentang penerapan-penerapannya.

Understanding Machine Learning

Understanding Data Engineering

Pelajari bagaimana MLOps mengubah model pembelajaran mesin menjadi model produksi yang bernilai bisnis.

Konsep MLOps

Temukan bagaimana MLOps dapat membawa model machine learning dari notebook lokal ke model yang berfungsi di produksi dan menghasilkan nilai bisnis nyata.

Insinyur AI Asisten untuk Ilmuwan Data

Insinyur Pembelajaran Mesin

Penerapan Machine Learning dalam Produksi dalam Python

Dasar-Dasar MLOps

Mengekstrak data mentah dari berbagai sumber dan menyimpannya di satu tempat terpusat.

Memastikan data yang masuk divalidasi sesuai dengan persyaratan kualitas data.

Merancang dan memelihara pipeline data untuk memastikan aliran data yang efisien dan keteraksesan untuk analisis.

Melakukan penalaan hyperparameter untuk memastikan proses pelatihan model teroptimasi.

Menilai kinerja model machine learning sesuai dengan persyaratan kinerja.

Mengembangkan dan menerapkan model machine learning untuk menyelesaikan masalah bisnis tertentu.

Peran inti dalam proses MLOps

Konsep MLOps

Latihan interaktif langsung