Kerangka Materi

Pengenalan Penggunaan AI

  • Tinjauan tentang siklus hidup penggunaan AI
  • Tantangan dalam menyebarkan agen AI ke produksi
  • Pertimbangan utama: skalabilitas, ketahanan, dan kemudahan perawatan

Containerization dan Orchestration

  • Pengenalan Docker dan dasar-dasar containerization
  • Menggunakan Kubernetes untuk orchestrasi agen AI
  • Terbaik praktik untuk mengelola aplikasi AI yang dikontainerisasi

Menyajikan Model AI

  • Tinjauan tentang kerangka kerja penyajian model (contohnya, TensorFlow Serving, TorchServe)
  • Membangun API REST untuk inferensi agen AI
  • Mengelola prediksi batch vs real-time

CI/CD untuk Agen AI

  • Mengatur pipa CI/CD untuk penyebaran AI
  • Mengotomatiskan pengujian dan validasi model AI
  • Penggantian bergulir dan mengelola pengendalian versi

Pengawasan dan Optimasi

  • Melaksanakan alat pengawasan untuk kinerja agen AI
  • Menganalisis drift model dan kebutuhan retraining
  • Memaksimalkan penggunaan sumber daya dan skalabilitas

Keamanan dan Pengelolaan

  • Memastikan kepatuhan terhadap peraturan privasi data
  • Melindungi pipa penyebaran AI dan API
  • Audit dan log untuk aplikasi AI

Aktivitas Praktis

  • Mengontainerisasi agen AI dengan Docker
  • Menggunakan Kubernetes untuk menyebarkan agen AI
  • Mengatur pengawasan untuk kinerja AI dan penggunaan sumber daya

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Kemampuan dalam pemrograman Python
  • Memahami alur kerja pemodelan mesin (machine learning)
  • Familiarity with containerization tools like Docker
  • Pengalaman dalam praktik DevOps (direkomendasikan)

Peserta

  • MLOps engineers
  • DevOps professionals
 14 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait