Pengantar MLOps: Membangun dan Menerapkan Pipeline dengan Azure

Banyak model pembelajaran mesin tidak pernah melewati fase eksperimental karena transisi ke produksi membutuhkan pendekatan sistematis dan otomatis. Kursus ini memperkenalkan Anda pada MLOps, disiplin ilmu penting yang menyatukan pengembangan pembelajaran mesin dengan operasi untuk menghasilkan model yang andal dan terukur di dunia nyata. Melalui panduan tertulis yang komprehensif ini, Anda akan beralih dari pelatihan model manual ke perancangan alur kerja otomatis yang siap produksi. Anda akan memahami cara menerapkan prinsip-prinsip DevOps pada ilmu data, memungkinkan pengujian otomatis, integrasi berkelanjutan, dan penerapan model yang sistematis. Apa yang akan Anda pelajari: - Memahami konsep inti MLOps, termasuk tingkat kematangan, fase siklus hidup, dan tantangan penerapan pembelajaran mesin tradisional. - Merancang pipeline Integrasi Berkelanjutan (CI) dan Pengiriman Berkelanjutan (CD) yang disesuaikan secara khusus untuk alur kerja pembelajaran mesin. - Mengkonfigurasi loop Pelatihan Berkelanjutan (CT) untuk secara otomatis melatih ulang model saat data baru tiba. - Menerapkan konsep Azure Machine Learning dan Azure DevOps untuk mengatur pipeline pembelajaran mesin ujung-ke-ujung. - Memantau model yang diimplementasikan di lingkungan produksi menggunakan deteksi pergeseran dan strategi pelacakan kinerja untuk memastikan keandalan jangka panjang. Anda akan mulai dengan mempelajari terminologi MLOps fundamental dan prinsip-prinsip arsitektur sebelum menjelajahi panduan langkah demi langkah tertulis tentang konfigurasi pipeline. Materi ini mencakup segala hal mulai dari pembuatan versi data dan model hingga otomatisasi implementasi dan pengaturan pemantauan produksi. Kursus ini dirancang untuk calon insinyur ML, ilmuwan data, dan pengembang yang baru mengenal operasi dan ingin membangun fondasi yang kuat. Tidak diperlukan pengalaman DevOps sebelumnya, karena kita akan mulai dengan dasar-dasar pipeline dan otomatisasi. Mulailah membaca hari ini untuk menguasai alur kerja yang menghidupkan model pembelajaran mesin di lingkungan produksi.