Proses memindahkan model machine learning yang sudah dilatih ke lingkungan production sehingga dapat digunakan oleh aplikasi nyata untuk menghasilkan prediksi.
Model Deployment adalah tahap akhir siklus hidup ML di mana model yang sudah dilatih dan dievaluasi diintegrasikan ke sistem production untuk melayani prediksi bagi pengguna atau sistem lain.
| Aspek | Batch Inference | Real-time Inference |
|---|---|---|
| Latency | Menit - jam | Milidetik |
| Throughput | Sangat tinggi | Bergantung pada hardware |
| Cost | Lebih rendah | Lebih tinggi |
| Use case | Scoring batch, laporan | Rekomendasi, fraud, chatbot |
| Kompleksitas | Sederhana | Lebih kompleks (scaling, SLA) |
Proses mengubah data mentah menjadi fitur (variabel input) yang lebih informatif dan relevan untuk meningkatkan performa model machine learning.
Praktik dan tools untuk menstandarisasi, mengotomasi, dan memonitor siklus hidup model machine learning dari pengembangan hingga deployment dan monitoring di production.
Proses melatih algoritma machine learning menggunakan data berlabel sehingga model mempelajari pola dan dapat membuat prediksi yang akurat pada data baru.
Udah paham Model Deployment? Lanjut latihan SQL dan Excel yuk!
Latihan interaktif, langsung di browser.