Course Outline

Pengantar Penerapan Produksi

  • Tantangan utama dalam penerapan model yang disesuaikan
  • Perbedaan antara lingkungan pengembangan dan produksi
  • Alat dan platform untuk penerapan model

Mempersiapkan Model untuk Penerapan

  • Mengekspor model dalam format standar (ONNX, TensorFlow SavedModel, dll.)
  • Mengoptimalkan model untuk latensi dan throughput
  • Menguji model pada kasus tepi dan data dunia nyata

Kontainerisasi untuk Penerapan Model

  • Pengantar Docker
  • Membuat gambar Docker untuk model ML
  • Praktik terbaik untuk keamanan dan efisiensi kontainer

Skala Penerapan dengan Kubernetes

  • Pengantar Kubernetes untuk beban kerja AI
  • Menyiapkan Kubernetes cluster untuk hosting model
  • Penyeimbangan beban dan penskalaan horizontal

Pemantauan dan Pemeliharaan Model

  • Implementasi pemantauan dengan Prometheus dan Grafana
  • Pencatatan otomatis untuk pelacakan kesalahan dan kinerja
  • Melatih ulang alur kerja untuk pergeseran dan pembaruan model

Memastikan Keamanan dalam Produksi

  • Mengamankan API untuk inferensi model
  • Mekanisme otentikasi dan otorisasi
  • Mengatasi masalah privasi data

Studi Kasus dan Praktik Laboratorium

  • Menerapkan model analisis sentimen
  • Meningkatkan layanan terjemahan mesin
  • Menerapkan pemantauan untuk model klasifikasi gambar

Ringkasan dan Langkah Berikutnya

Requirements

  • Pemahaman yang kuat tentang alur kerja pembelajaran mesin
  • Pengalaman dengan penyempurnaan model ML
  • Keakraban dengan prinsip DevOps atau MLOps

Hadirin

  • DevOps insinyur
  • MLOps praktisi
  • Spesialis penerapan AI
 21 Hours

Number of participants


Price per participant

Testimonials (1)

Upcoming Courses (Minimal 5 peserta)

Related Categories