Hubungi Kami

Kerangka Materi

Pengantar Penerapan AI

  • Gambaran umum mengenai siklus hidup penerapan AI
  • Kendala dalam menerapkan agen AI ke lingkungan produksi
  • Hal-hal penting yang perlu diperhatikan: skalabilitas, keandalan, dan kemudahan pemeliharaan

Kontainerisasi dan Pengoordinasian

  • Pengantar Docker serta konsep dasar kontainerisasi
  • Memanfaatkan Kubernetes untuk mengkoordinasikan agen AI
  • Praktik terbaik dalam mengelola aplikasi AI berbasis kontainer

Penyediaan Layanan Model AI

  • Gambaran umum mengenai kerangka penyediaan layanan model AI (misalnya TensorFlow Serving, TorchServe)
  • Membangun API REST untuk inferensi agen AI
  • Perbedaan pengolahan prediksi secara batch versus real-time

Alur Kerja CI/CD untuk Agen AI

  • Menyiapkan saluran kerja CI/CD guna penerapan AI
  • Mengotomatisasi pengujian serta validasi model AI
  • Pembaruan sistem bertahap dan manajemen kontrol versi

Pemantauan dan Optimisasi

  • Mengimplementasikan alat pemantauan untuk mengevaluasi kinerja agen AI
  • Menganalisis terjadinya perubahan perilaku model serta kebutuhan retraining
  • Optimisasi pemanfaatan sumber daya dan skalabilitas sistem

Keamanan dan Tata Kelola

  • Memastikan kepatuhan terhadap regulasi privasi data
  • Mengamankan saluran penerapan AI beserta API-nya
  • Audit dan pencatatan aktivitas penggunaan aplikasi AI

Aktivitas Praktis

  • Melakukan kontainerisasi agen AI menggunakan Docker
  • Menerapkan agen AI dengan bantuan Kubernetes
  • Menyiapkan sistem pemantauan untuk kinerja AI dan pemanfaatan sumber daya

Penutup dan Langkah Selanjutnya

Persyaratan

  • Keterampilan pemrograman Python yang memadai
  • Pemahaman mengenai alur kerja pengembangan model machine learning
  • Pengetahuan dasar tentang alat kontainerisasi seperti Docker
  • Pengalaman dalam praktik DevOps (disarankan)

Target Peserta

  • Insinyur MLOps
  • Para profesional DevOps
 14 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait