MLOps
Machine Learning Operations
Praktik dan tools untuk menstandarisasi, mengotomasi, dan memonitor siklus hidup model machine learning dari pengembangan hingga deployment dan monitoring di production.
MLOps (Machine Learning Operations) adalah disiplin yang menggabungkan prinsip-prinsip DevOps dengan kebutuhan spesifik machine learning untuk memungkinkan delivery model ML yang lebih cepat, andal, dan dapat di-maintain.
Siklus Hidup MLOps
- Data: Versioning data, validasi kualitas, feature store
- Development: Eksperimen tracking, versioning kode
- Training: Orkestrasi pipeline training, distributed training
- Evaluation: Automated model evaluation, A/B testing
- Deployment: Model registry, CI/CD untuk ML, serving
- Monitoring: Drift detection, performa real-time, alerting
- Retraining: Trigger otomatis saat model degradasi
MLOps vs Pipeline Data Engineering
| Aspek | Data Engineering Pipeline | ML Pipeline (MLOps) |
|---|---|---|
| Input | Raw data | Data + model parameters |
| Output | Data bersih/terstruktur | Trained model, predictions |
| Versioning | Data version | Data + model + code version |
| Monitoring | Data freshness, completeness | Model accuracy, drift |
| Rerun trigger | Schedule, event | Data drift, performance drop |
| Kompleksitas | Sedang | Tinggi (tambah model lifecycle) |
Komponen Kunci MLOps Platform
- Experiment Tracking: MLflow, W&B - catat semua eksperimen
- Model Registry: Simpan, versioning, dan promosi model
- Pipeline Orchestration: Kubeflow, Vertex AI Pipelines
- Feature Store: Feast, Tecton - fitur konsisten antar tim
- Model Monitoring: Deteksi data drift dan model drift
Istilah Terkait
Feature Engineering
Machine Learning & AIProses mengubah data mentah menjadi fitur (variabel input) yang lebih informatif dan relevan untuk meningkatkan performa model machine learning.
Model Training
Machine Learning & AIProses melatih algoritma machine learning menggunakan data berlabel sehingga model mempelajari pola dan dapat membuat prediksi yang akurat pada data baru.
Model Deployment
Machine Learning & AIProses memindahkan model machine learning yang sudah dilatih ke lingkungan production sehingga dapat digunakan oleh aplikasi nyata untuk menghasilkan prediksi.
Udah paham MLOps? Lanjut latihan SQL dan Excel yuk!
Latihan interaktif, langsung di browser.