Course description

Kursus ini dirancang untuk memberikan pemahaman mendalam tentang bagaimana memantau dan memelihara model machine learning setelah deployment. Model machine learning tidak selalu tetap akurat seiring berjalannya waktu karena perubahan dalam data dan lingkungan. Oleh karena itu, penting untuk mempelajari teknik monitoring dan maintenance untuk memastikan model tetap memberikan hasil yang optimal. Dalam kursus ini, Anda akan belajar cara mendeteksi model drift untuk mengidentifikasi perubahan performa model, teknik model retraining berdasarkan data baru yang terus berkembang, dan cara melakukan logging performa model menggunakan MLflow. Selain itu, Anda juga akan memahami konsep A/B Testing untuk mengevaluasi model secara efektif dan bagaimana menggunakan data versioning untuk melacak perkembangan model dan dataset. Kursus ini sangat berguna bagi data scientist dan machine learning engineer yang ingin memastikan model mereka tetap relevan dan berfungsi dengan baik setelah deployment.

What will i learn?

  • Memahami konsep model drift dan cara mendeteksinya untuk memastikan model tetap akurat.
  • Melakukan retraining model berdasarkan data baru yang terus berkembang.
  • Mampu melakukan logging performa model menggunakan MLflow.
  • Mengimplementasikan A/B Testing untuk mengevaluasi model machine learning.
  • Menggunakan data versioning untuk melacak perkembangan model dan dataset secara efektif.

Requirements

  • Pengetahuan dasar tentang machine learning dan model deployment.
  • Pengalaman dengan framework machine learning seperti TensorFlow, PyTorch, atau Scikit-learn.
  • Pemahaman tentang konsep logging dan tracking model.

Frequently asked question

Model drift terjadi ketika performa model menurun seiring waktu karena perubahan pada distribusi data atau pola dalam data yang digunakan untuk prediksi.

Retraining diperlukan karena data baru yang masuk setelah deployment mungkin memiliki karakteristik yang berbeda dari data pelatihan asli, yang dapat menyebabkan penurunan performa model.

MLflow adalah platform open-source yang memungkinkan Anda untuk melacak eksperimen, logging metrik model, parameter, dan output, serta membantu dalam manajemen model yang lebih efektif.

Data versioning memungkinkan Anda untuk melacak perubahan dalam dataset yang digunakan untuk melatih model, sehingga Anda dapat memahami bagaimana dataset tersebut memengaruhi performa model seiring waktu.

Ya, A/B Testing membantu dalam membandingkan performa model baru dengan model yang sudah ada secara langsung untuk memastikan bahwa model baru memberikan peningkatan performa yang signifikan.

ITS Academic

Free

Lectures

0

Skill level

Beginner

Expiry period

Lifetime

Related courses