Mengelola siklus hidup end-to-end dari aplikasi Machine Learning dapat menjadi tugas yang menantang bagi para ilmuwan data, insinyur, dan pengembang. Aplikasi Machine Learning bersifat kompleks dan memiliki rekam jejak yang terbukti sulit dilacak, sulit direproduksi, dan problematis untuk diimplementasikan.
Dalam kursus ini, Anda akan mempelajari apa itu MLflow dan bagaimana MLflow berusaha menyederhanakan tantangan dalam siklus hidup Machine Learning, seperti pelacakan, reproduibilitas, dan deployment. Setelah mempelajari MLflow, Anda akan memiliki pemahaman yang lebih baik tentang cara mengatasi kompleksitas dalam membangun aplikasi Machine Learning dan cara menavigasi berbagai tahap dalam siklus hidup Machine Learning.
Selama kursus ini, Anda akan mempelajari secara mendalam empat komponen utama yang membentuk platform MLflow. Anda akan mempelajari cara melacak model, metrik, dan parameter menggunakan MLflow Tracking, mengemas kode ML yang dapat direproduksi menggunakan MLflow Projects, membuat dan mengimplementasikan model menggunakan MLflow Models, serta menyimpan dan mengelola versi model menggunakan Model Registry.
Seiring Anda melanjutkan kursus ini, Anda juga akan mempelajari praktik terbaik dalam menggunakan MLflow untuk versi model, cara mengevaluasi model, menambahkan kustomisasi pada model, dan cara mengintegrasikan otomatisasi ke dalam proses pelatihan. Kursus ini akan mempersiapkan Anda untuk sukses dalam mengelola siklus hidup aplikasi Machine Learning Anda berikutnya.