Kerangka Materi
Dasar-dasar Sistem Agensi dalam Lingkungan Produksi
- Arsitektur agensi: siklus kerja, alat pendukung, mekanisme memori, serta lapisan orkestrasi
- Siklus hidup agen: pengembangan, penyebaran, dan operasi berkelanjutan
- Kendala utama dalam mengelola sistem agensi pada skala produksi
Infrastruktur dan Model Penyebaran
- Menyebarkan agen ke lingkungan kontainer maupun cloud
- Pola skalabilitas: skala horizontal dan vertikal, pengaturan konkurensi, serta mekanisme pembatasan beban
- Orkestrasi beberapa agen sekaligus dan keseimbangan alokasi beban kerja
Pemantauan dan Observabilitas
- Metrik penting: waktu tanggapan, tingkat keberhasilan operasi, penggunaan memori, serta kedalaman pemanggilan agen
- Melacak aktivitas dan pola panggilan antar agen
- Implementasi observabilitas dengan Prometheus, OpenTelemetry, dan Grafana
Loging, Audit, serta Kepatuhan Regulasi
- Pengumpulan log terpusat beserta pencatatan peristiwa secara terstruktur
- Aspek kepatuhan regulasi serta kemampuan audit dalam alur kerja agensi
- Perancangan jejak audit dan mekanisme pengulangan aktivitas guna debugging
Penyesuaian Performa serta Pengoptimalan Sumber Daya
- Mengurangi beban perhitungan pada inferensi sekaligus mengatur siklus orkestrasi agensi secara efisien
- Penggunaan cache model serta representasi data ringan untuk mempercepat pengambilan informasi
- Uji beban dan simulasi situasi ekstrem bagi jalur pemrosesan AI
Pengendalian Biaya serta Tata Kelola Sistem
- Mengidentifikasi faktor utama penyebab lonjakan biaya: panggilan API, penggunaan memori, daya komputasi, dan integrasi eksternal
- Melacak pengeluaran tiap agen serta merancang mekanisme pembagian beban biaya antar pengguna
- Kebijakan otomatisasi untuk membatasi ekspansi jumlah agen dan menghemat pemakaian sumber daya tak terpakai
Strategi CI/CD dan Proses Penyebaran Agen
- Mengintegrasikan alur kerja agensi ke dalam sistem integrasi dan penyebaran kontinu
- Metode pengujian, pengelolaan versi, serta strategi rollback untuk pembaruan berkala pada agen
- Proses penyebaran bertahap beserta mekanisme keamanan dalam penerapan sistem baru
Pemulihan dari Kegagalan serta Teknik Insinyur Keandalan
- Desain infrastruktur yang mampu menanggung gangguan dan meredam efek negatif secara wajar
- Pola implementasi retry, timeout, serta circuit breaker demi meningkatkan keandalan agensi
- Pendekatan tanggap darurat dan analisis pasca-kejadian untuk operasional AI yang efektif
Proyek Akhir Kursus
- Membangun serta menyebarkan sistem AI agensi lengkap dengan alat pemantauan dan pelacak biaya
- Mensimulasikan kondisi beban, mengukur kinerja, serta meminimalkan penggunaan sumber daya secara optimal
- Mempresentasikan arsitektur akhir beserta panel pemantauan kepada sesama peserta pelatihan
Penutup serta Langkah Selanjutnya
Persyaratan
- Pemahaman mendalam mengenai MLOps serta sistem machine learning yang sudah siap operasional
- Pengalaman dalam proses penyebaran berbasis kontainer (Docker/Kubernetes)
- Kebiasaan menggunakan alat pengoptimalan biaya serta pemantauan di lingkungan cloud
Target Peserta
- Insinyur MLOps
- Insinyur Keandalan Sistem (SRE)
- Manajer teknik yang bertanggung jawab atas infrastruktur AI
Testimoni (3)
Instruktur ini sabar dan sangat membantu. Ia memahami topik dengan baik.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Kursus - Agentic AI for Business Automation: Use Cases & Integration
Diterjemahkan Mesin
Campuran yang baik antara pengetahuan dan praktik
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kursus - Agentic AI for Enterprise Applications
Diterjemahkan Mesin
Campuran teori dan praktik serta perspektif tingkat tinggi dan tingkat rendah
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kursus - Autonomous Decision-Making with Agentic AI
Diterjemahkan Mesin