Sistem ML produksi

Perkiraan durasi modul: 70 menit

Tujuan pembelajaran

• Menghargai berbagai komponen dalam sistem ML produksi.
• Pilih paradigma pelatihan yang ideal (statis versus dinamis).
• Pilih paradigma inferensi yang ideal (statis versus dinamis).
• Menguji deployment machine learning Anda.
• Ajukan pertanyaan yang tepat tentang sistem ML produksi Anda.
• Menentukan kekurangan pada model ML di dunia nyata.
• Memantau komponen dalam sistem ML produksi.

Prasyarat:

Modul ini mengasumsikan bahwa Anda sudah memahami konsep yang dibahas dalam modul berikut:

• Pengantar Machine Learning
• Regresi linear
• Bekerja dengan data numerik
• Bekerja dengan data kategorik
• Set data, generalisasi, dan overfitting

Sejauh ini, kursus ini berfokus pada membangun model machine learning (ML). Namun, seperti yang ditunjukkan oleh Gambar 1, sistem ML produksi di dunia nyata memiliki ekosistem dan modelnya hanyalah satu bagian yang relatif kecil.

Gambar 1. Sistem ML produksi dunia nyata terdiri dari banyak komponen.

 

Inti dari sistem produksi machine learning dunia nyata adalah ML kode model ini, tetapi seringkali hanya mewakili 5% atau kurang dari total codebase di sistem. Ini bukan kesalahan cetak; jumlah ini jauh lebih sedikit dari yang mungkin Anda harapkan. Perhatikan bahwa sistem produksi ML mencurahkan banyak resource ke data input: mengumpulkannya, memverifikasinya, dan mengekstrak fitur darinya.