(Inggris) MLOps Foundations: Managing the Machine Learning Lifecycle

Memindahkan model machine learning dari notebook lokal ke lingkungan produksi yang dapat diandalkan memerlukan lebih dari sekedar kode yang baik. Kursus berbasis teks ini memandu Anda melalui prinsip-prinsip dasar MLOps, membantu Anda menjembatani kesenjangan antara ilmu data dan rekayasa perangkat lunak. Dengan membaca penjelasan terstruktur dan menganalisis potongan kode dunia nyata, Anda akan memahami cara mengotomatisasi pelatihan model, mengelola perubahan fitur, melacak eksperimen, dan memonitor kinerja produksi. Apa yang akan kau pelajari: - Mengerti terminologi MLOps dasar, siklus hidup inti, dan perbedaan antara DevOps tradisional dan operasi machine learning - Konfigurasi pipa otomatis untuk versi data, pelatihan model, dan integrasi terus-menerus - Terapkan dasar-dasar kontenerisasi pada model paket untuk peluncuran yang konsisten - Eksperimen jejak dan model versi untuk memastikan reproduksi di seluruh dataset dan algoritma yang berbeda - Memantau kinerja model dalam produksi untuk mendeteksi data drift dan mempertahankan akurasi prediksi - Praktik mendirikan pola dasar infrastruktur-as-code untuk deployment machine learning yang dapat disesuaikan Kursus ini dimulai dengan terminologi penting dan dasar konseptual siklus hidup model. Anda akan maju melalui bab praktis pada otomatisasi pipa, containerization, dan pemantauan terus-menerus. Kursus ini dirancang untuk insinyur ML bercita-cita, ilmuwan data, dan pengembang perangkat lunak yang baru untuk MLOps, tidak memerlukan pengalaman operasi sebelumnya. Mulai membangun sistem otomatis yang andal untuk aliran kerja machine learning Anda hari ini.