After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Sebagian besar konten terkait machine learning saat ini berfokus pada pelatihan model dan penyesuaian parameter, tetapi 90% model eksperimental tidak pernah sampai ke tahap produksi, terutama karena model-model tersebut tidak dirancang untuk bertahan lama. Dalam kursus ini, Anda akan melihat bagaimana mengubah pola pikir Anda dari pola pikir insinyur machine learning menjadi pola pikir MLOps (Machine Learning Operations) akan memungkinkan Anda untuk melatih, mendokumentasikan, memelihara, dan menskalakan model Anda hingga potensi maksimalnya.
Eksperimen dan Dokumentasikan dengan Mudah
Bereksperimen dengan model ML seringkali menyenangkan tetapi bisa memakan waktu. Di sini, Anda akan belajar cara merancang eksperimen yang dapat direproduksi untuk mempercepat proses ini sambil menulis dokumentasi untuk diri sendiri dan rekan tim Anda, sehingga pekerjaan di masa depan pada pipeline menjadi lebih mudah.Bangun Model MLOps untuk Produksi
Anda akan mempelajari praktik terbaik untuk mengemas dan menserialisasi baik model maupun lingkungan untuk produksi guna memastikan bahwa model-model tersebut dapat bertahan selama mungkin.Skalakan dan Otomatiskan Pipelines ML Anda
Dengan mempertimbangkan kompleksitas model dan data serta otomatisasi berkelanjutan, Anda dapat memastikan bahwa model-model Anda akan diskalakan untuk penggunaan produksi dan dapat dipantau serta diimplementasikan dalam sekejap.Setelah Anda menyelesaikan kursus ini, Anda akan mampu merancang dan mengembangkan model pembelajaran mesin yang siap untuk diimplementasikan dalam produksi dan terus memperbaikinya seiring waktu.
Prasyarat
Kurikulum
Garis besar kursus
1
Berpindah dari Riset ke Produksi
Bab ini akan membekali Anda dengan keterampilan dan pengetahuan yang dibutuhkan untuk memindahkan model Machine Learning dari fase riset dan pengembangan ke lingkungan produksi. Anda akan mempelajari proses perubahan dari prototipe riset menjadi sistem yang andal, dapat diskalakan, dan mudah dipelihara.
2
Menjamin Reprodusibilitas
Di bab ini, Anda akan mempelajari pentingnya reprodusibilitas dalam Machine Learning, serta cara memastikan model Anda tetap dapat direproduksi dan andal dari waktu ke waktu. Anda akan mengeksplorasi berbagai teknik dan praktik terbaik yang dapat digunakan untuk menjamin reprodusibilitas model.
3
ML di Lingkungan Produksi
Pada Bab 3, Anda akan menelaah berbagai tantangan yang terkait dengan penerapan model Machine Learning ke lingkungan produksi. Anda akan mempelajari beragam pendekatan untuk menerapkan model ML di produksi serta strategi untuk memantau dan memelihara model ML dalam produksi.
4
Pengujian Pipeline ML
Di bab terakhir, Anda akan mempelajari berbagai cara untuk menguji pipeline Machine Learning dan memastikan kinerjanya sesuai harapan. Anda akan memahami pentingnya pengujian pipeline ML serta mempelajari teknik untuk menguji dan memvalidasi pipeline ML.
R
Mengembangkan Model Machine Learning untuk Produksi
Kursus
Selesai
