After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
MLOps adalah kumpulan praktik yang dikembangkan untuk membantu Anda mengimplementasikan dan memelihara model pembelajaran mesin dalam lingkungan produksi. Saat ini, di industri dan penelitian, MLOps menjadi sorotan sebagai cara untuk memastikan bahwa sistem ML menghasilkan nilai.
Temukan Otomatisasi Penuh dalam MLOps
Dalam kursus ini, Anda akan belajar cara menggunakan otomatisasi dalam MLOps untuk mengimplementasikan sistem ML yang dapat memberikan nilai tambah secara berkelanjutan. Anda akan mempelajari bagaimana utang teknis tersembunyi memengaruhi sistem ML dan nilai yang dihasilkannya. Anda juga akan memahami bagaimana mengotomatisasi dan menyederhanakan tahap-tahap siklus hidup ML dapat membantu operasional dan skalabilitas sistem ML.Pelajari Arsitektur MLOps
Anda akan menggunakan latihan praktis dan interaktif untuk mempelajari komponen-komponen arsitektur MLOps dan bagaimana komponen-komponen ini diperlukan untuk memfasilitasi otomatisasi penuh sistem ML.Jelajahi Teknik CI/CD/CM/CT MLOps
Seiring dengan kemajuan Anda, Anda akan belajar bahwa CI/CD otomatis, bersama dengan Pemantauan Berkelanjutan (CM) dan Pelatihan Berkelanjutan (CT), merupakan teknik kunci untuk menghindari utang teknis dalam implementasi ML Anda.Memahami Otomatisasi dalam Strategi Deployment
Pada akhir kursus ini, Anda akan memahami bagaimana otomatisasi dengan MLOps dapat meningkatkan cara Anda mengimplementasikan sistem ML ke dunia nyata, memberikan implementasi Anda ketahanan dan skalabilitas.Mulailah belajar, peroleh pengetahuan di bidang yang sangat diminati ini, dan temukan cara menerapkan otomatisasi saat merancang sistem MLOps.
Prasyarat
Kurikulum
Garis besar kursus
1
Pendahuluan: MLOps Otomatis Penuh
Pada bab pertama ini, kita memotivasi penggunaan MLOps dalam lingkungan industri. Anda akan mempelajari pentingnya MLOps dalam mendukung penciptaan nilai bagi bisnis. Anda juga akan meninjau kembali tahapan ML, dengan fokus pada bagaimana MLOps meningkatkan tiap tahapannya. Di akhir bab, Anda akan mengeksplorasi arsitektur referensi untuk sistem MLOps yang sepenuhnya otomatis. Anda kemudian akan menggunakan arsitektur ini untuk menelaah komponen-komponen penting bagi setiap sistem MLOps dan sebagai titik awal untuk sisa kursus.
- Pengantar MLOps yang Sepenuhnya Otomatis50 XP
- Utang teknis tersembunyi harus dibayar50 XP
- Utang teknis tersembunyi dalam ML itu berbeda100 XP
- Tahapan siklus hidup MLOps50 XP
- MLOps sepenuhnya terotomatisasi50 XP
- Diotomatisasi atau tidak...50 XP
- Membangun untuk skala100 XP
- Arsitektur referensi: MLOps sepenuhnya otomatis50 XP
- Arsitektur referensi dalam TI dan MLOps50 XP
- Komponen arsitektur MLOps100 XP
2
Arsitektur MLOps Otomatis Penuh
Pada bab ini, Anda akan melanjutkan eksplorasi terhadap komponen-komponen krusial yang membentuk sistem MLOps yang sepenuhnya otomatis. Pertama, Anda akan meninjau pentingnya orkestrasi dalam MLOps dan bagaimana hal tersebut membantu memastikan efisiensi dan skalabilitas pipeline ML. Setelah itu, Anda akan memeriksa berbagai strategi penerapan dalam MLOps dan mempelajari cara memilih strategi yang tepat untuk sistem Anda. Terakhir, Anda akan mempelajari CI/CD/CT/CM serta bagaimana hal tersebut melengkapi orkestrasi dan praktik terbaik untuk mencapai otomasi penuh pada sistem MLOps. Dengan bekal pembelajaran ini, Anda akan lebih siap membangun sistem MLOps otomatis penuh yang efisien, akurat, dan andal.
3
Pola Otomasi
Pada bab ini, Anda akan menyelami dunia otomasi yang menarik dan mempelajari cara merancang sistem ML yang lebih tangguh dan efisien. Anda akan mulai dengan memahami dasar-dasar otomasi dalam sistem MLOps, lalu berlanjut menemukan kekuatan pola perancangan dan mekanisme fail-safe. Anda juga akan mempelajari cara menerapkan pengujian otomatis dalam sistem MLOps serta menggunakan hyperparameter tuning untuk mengoptimalkan model dan alur kerja Anda. Pada akhir bab ini, Anda akan dibekali keterampilan dan pengetahuan yang diperlukan untuk membangun dan mengelola sistem MLOps otomatis penuh yang efisien dan andal.
4
Otomasi dalam Penerapan MLOps
Pada bab terakhir ini, Anda akan mendalami komponen-komponen krusial dari arsitektur MLOps otomatis. Mulai dari memahami pelacakan eksperimen otomatis dan model registry hingga mengeksplorasi feature store serta peran metadata store, bab ini dirancang untuk membekali Anda dengan pemahaman menyeluruh tentang seluk-beluk sistem MLOps otomatis penuh. Baik Anda praktisi ML berpengalaman maupun baru memulai, bab ini akan memberikan pengetahuan dan keterampilan yang diperlukan untuk merancang alur kerja MLOps otomatis.
R
MLOps Otomatis Penuh
Kursus
Selesai
