Kursus Pelatihan CI/CD untuk AI: Mengotomatiskan Pembangunan dan Penerapan Model Berbasis Docker

Pengenalan CI/CD untuk Alur Kerja AI

• Tantangan unik dalam alur kerja pengiriman model AI.
• Membandingkan proses DevOps tradisional dan MLOps.
• Komponen inti dari deployment model terotomasi.

Kontainerisasi Model AI dengan Docker

• Mendesain Dockerfile yang efisien untuk inferensi ML.
• Mengelola dependensi dan artefak model.
• Membangun image yang aman dan teroptimasi.

Menyiapkan Pipeline CI/CD

• Opsi tooling CI/CD dan ekosistemnya.
• Membangun pipeline untuk pengemasan model terotomasi.
• Mempervalidasi pipeline dengan pemeriksaan otomatis.

Menguji Model AI dalam CI

• Mengotomasi pemeriksaan integritas data.
• Unit dan integration test untuk layanan model.
• Validasi performa dan regresi.

Deployment Otomatis Layanan AI Berbasis Docker

• Deploy kontainer AI ke lingkungan cloud.
• Menerapkan strategi rollout blue-green dan canary.
• Strategi rollback untuk deployment yang gagal.

Mengelola Versi dan Artefak Model

• Menggunakan registry untuk kontrol versi model dan kontainer.
• Pemberian tag, penandatanganan, dan promosi image.
• Koordinasi pembaruan model antar layanan.

Monitoring dan Observabilitas dalam CI/CD untuk AI

• Melacak performa pipeline dan model.
• Pemberitahuan (alerting) untuk build yang gagal atau drift model.
• Tracing perilaku inferensi di berbagai lingkungan.

Scaling Pipeline CI/CD untuk Sistem AI

• Memparalelkan build untuk model berukuran besar.
• Mengoptimalkan sumber daya komputasi dan penyimpanan.
• Integrasi runner terdistribusi dan jarak jauh.

Ringkasan dan Langkah Selanjutnya