Machine Learning Operations (MLOps) dengan Cloudeka
4.76

Machine Learning Operations (MLOps) dengan Cloudeka

Topik:

Cloud Computing Machine Learning
Level: Mahir

Level: Mahir

Level: Mahir 45 Jam Belajar
164

Siswa Terdaftar

Pelajari proses pengembangan dan pengoperasian sistem machine learning dalam lingkup production dengan menerapkan berbagai prinsip MLOps.
Machine Learning Operations (MLOps) dengan Cloudeka Partner

Kelas sudah tidak aktif

Informasi kelas Lihat silabus
Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Code Review

Kode yang Anda kerjakan akan di-review secara komprehensif oleh Reviewer.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Ujian

Validasi pengetahuan Anda dengan mengerjakan soal-soal ujian.
Level Mahir
Menguasai materi dan latihan tingkat lanjut. Kelas ini mensyaratkan sejumlah penguasaan landasan pengetahuan yang baik.
Lihat silabus

Deskripsi

MLOps merupakan sebuah best practice untuk melakukan standardisasi terhadap proses pengembangan sistem machine learning dan pengoperasiannya di lingkup production. Pada lingkup industri, standaridisasi ini menjadi kunci utama dalam menghasilkan sistem machine learning yang reliable, scalable, adaptable, dan maintainable. Selain itu, penerapan MLOps dapat membantu perusahaan dalam mencegah resiko munculnya technical debt dan memastikan akuntabilitas dari sistem yang dibuat.

  • Tingginya kebutuhan akan sistem machine learning yang bersifat reliable, scalable, adaptable, dan maintainable di industri. 
  • Prinsip MLOps merupakan bagian penting dalam pengembangan dan pengoperasian sistem machine learning di industri.
  • MLOps dapat membantu kita dalam membuat sistem machine learning yang reliable, scalable, adaptable, dan maintainable.
  • Pemahaman terhadap penerapan prinsip MLOps merupakan kompetensi utama untuk menjadi seorang Machine Learning Engineer yang andal.
  • Kebutuhan karier di bidang Machine Learning sangatlah tinggi karena jumlah praktisi yang masih sedikit sehingga peluangnya masih sangat besar.


Target dan Sasaran Siswa

  • Kelas ditujukan bagi Machine Learning Developer yang ingin mempelajari teknik pengembangan dan pengoperasian sistem machine learning di industri.
  • Kelas dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
  • Kelas ini didesain untuk siswa yang sudah memiliki pengetahuan mendalam mengenai machine learning.
  • Siswa harus bisa belajar mandiri, berkomitmen, benar-benar punya rasa ingin tahu, dan tertarik pada subjek materi, karena sebaik apa pun materi kelas ini, tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba.
  • Setelah mengikuti kelas, siswa dapat membangun alur pengembangan machine learning dalam lingkup production dengan Cloudeka.
Selengkapnya
Sembunyikan

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Core i3 (Rekomendasi Core i5 ke atas)

Tools yang dibutuhkan untuk belajar:

Google Colaboratory

Lihat semua peralatan belajar

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

4 GB (Rekomendasi 6 GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080)

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Core i3 (Rekomendasi Core i5 ke atas)

Tools

Kelas ini membutuhkan beberapa tools berikut:

Google Colaboratory

Teks Editor (Notepad++) atau IDE (PyCharm,dll)

Command Line (Terminal atau cmd)

Web Browser (Google Chrome atau Mozilla Firefox)

Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 45 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 32 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
    • Evaluasi pembelajaran : 
      • Ujian akhir kelas
      • Submission.
    • Sertifikat kompetensi

Lihat semua metode ajar

Lihat semua metode ajar

Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 45 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 32 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
    • Evaluasi pembelajaran : 
      • Ujian akhir kelas
      • Submission.
    • Sertifikat kompetensi

Kontributor

1

Curriculum Developer yang membangun kelas ini:

Fikri Helmi Setiawan

Fikri Helmi Setiawan

Lead Curriculum Developer at Dicoding Indonesia

Reviewer

5

Code Reviewer yang akan me-review tugas dan kode Anda:

Fikri Helmi Setiawan
Fikri Helmi Setiawan

Fikri Helmi Setiawan

Lead Curriculum Developer at Dicoding Indonesia
  • Lead Curriculum Developer for Cloud & Machine Learning Team at Dicoding Indonesia
  • Tech & Softskill Instructor at Bangkit Academy
  • Master Trainer for Cloud Computing path at Bangkit Academy
  • Certified as:
    • Google Cloud Certified: Professional Cloud Architect
    • AWS Certified Solution Architect - Associate
Yusuf Sugiono
Yusuf Sugiono

Yusuf Sugiono

Fullstack Developer di PT Prima Visi Globalindo

• Google Cloud Certified Cloud Digital Leader

• AWS Certified Cloud Practitioner

• Alumni Bangkit 2021 - Cloud Computing Learning Path

• Alumni SIB Dicoding Cycle 1 - Machine Learning & FrontEnd Learning Path


dos:6686df0f9e218fbb7a0a1eb49dea73d020230224162524.pngFeel free to connect with me on LinkedIn

Rifky Bujana Bisri
Rahmat Fajri
Mochamad Rafy Ardhanie

Lihat semua kontributor dan reviewer

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Fikri Helmi Setiawan

Fikri Helmi Setiawan

Lead Curriculum Developer at Dicoding Indonesia

Tim Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Fikri Helmi Setiawan
Fikri Helmi Setiawan

Fikri Helmi Setiawan

Lead Curriculum Developer at Dicoding Indonesia
  • Lead Curriculum Developer for Cloud & Machine Learning Team at Dicoding Indonesia
  • Tech & Softskill Instructor at Bangkit Academy
  • Master Trainer for Cloud Computing path at Bangkit Academy
  • Certified as:
    • Google Cloud Certified: Professional Cloud Architect
    • AWS Certified Solution Architect - Associate
Yusuf Sugiono
Yusuf Sugiono

Yusuf Sugiono

Fullstack Developer di PT Prima Visi Globalindo

• Google Cloud Certified Cloud Digital Leader

• AWS Certified Cloud Practitioner

• Alumni Bangkit 2021 - Cloud Computing Learning Path

• Alumni SIB Dicoding Cycle 1 - Machine Learning & FrontEnd Learning Path


dos:6686df0f9e218fbb7a0a1eb49dea73d020230224162524.pngFeel free to connect with me on LinkedIn

Rifky Bujana Bisri
Rahmat Fajri
Mochamad Rafy Ardhanie
Fikri Helmi Setiawan

Fikri Helmi Setiawan

Lead Curriculum Developer at Dicoding Indonesia

  • Lead Curriculum Developer for Cloud & Machine Learning Team at Dicoding Indonesia
  • Tech & Softskill Instructor at Bangkit Academy
  • Master Trainer for Cloud Computing path at Bangkit Academy
  • Certified as:
    • Google Cloud Certified: Professional Cloud Architect
    • AWS Certified Solution Architect - Associate
Yusuf Sugiono

Yusuf Sugiono

Fullstack Developer di PT Prima Visi Globalindo

• Google Cloud Certified Cloud Digital Leader

• AWS Certified Cloud Practitioner

• Alumni Bangkit 2021 - Cloud Computing Learning Path

• Alumni SIB Dicoding Cycle 1 - Machine Learning & FrontEnd Learning Path


dos:6686df0f9e218fbb7a0a1eb49dea73d020230224162524.pngFeel free to connect with me on LinkedIn

Rifky Bujana Bisri

Rifky Bujana Bisri

Undergraduate Student at University of British Columbia

- Artificial Intelligence Enthusiast

- LinkedIn 

- Github

- Hugging Face

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

TensorFlow Developer Certified

Mochamad Rafy Ardhanie

Mochamad Rafy Ardhanie

Curriculum Developer at Dicoding Indonesia

Testimoni Siswa

Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.

Muhammad Theda Amanda
Muhammad Theda Amanda
Dinas Komunikasi, Informatika, Statistik dan Persandian
Machine Learning Operations (MLOps) dengan Cloudeka
Saya sangat puas dengan adanya kelas ini, kelas ini sangat membantu sekali dalam penerapan pengoperasian machine learning
Baca selengkapnya

Kelas sudah tidak aktif

Silabus

Silabus

Materi yang akan Anda pelajari pada kelas ini.

  • Tantangan Pengoperasian Machine Learning dalam Sistem Production

    15 Menit

  • Definisi Machine Learning Operations (MLOps)

    30 Menit

  • Siklus Pengembangan Sistem Machine Learning pada Skala Industri

    40 Menit

  • Cakupan Proyek Machine Learning

    40 Menit

  • Manajemen Data

    30 Menit

  • Pengembangan Model Machine Learning

    25 Menit

  • Deployment dan Monitoring Proyek Machine Learning

    20 Menit

  • Pengenalan Machine Learning Pipeline

    15 Menit

  • Rangkuman Pengenalan Machine Learning Operations (MLOps)

    10 Menit

  • Kuis Pengenalan Machine Learning Operations (MLOps)

    10 Menit

  • Pengenalan Proses Pengolahan Data dalam Machine Learning Pipeline

    15 Menit

  • Data Ingestion

    15 Menit

  • Data Validation

    15 Menit

  • Data Preprocessing

    15 Menit

  • Pengenalan Tools Pengolahan Data dalam Machine Learning Pipeline

    25 Menit

  • Pengenalan MetadataStore

    20 Menit

  • Latihan Pembuatan Komponen Pengolahan Data dalam Machine Learning Pipeline

    60 Menit

  • Pengenalan Tools Lanjutan dalam Pengolahan Data

    40 Menit

  • Rangkuman Pengolahan Data dalam Machine Learning Pipeline

    10 Menit

  • Kuis Pengolahan Data dalam Machine Learning Pipeline

    10 Menit

  • Pengenalan Proses Pengembangan Model dan Validasi Model

    15 Menit

  • Pengembangan Model

    45 Menit

  • Analisis dan Validasi Model

    20 Menit

  • Menginterpretasi Model

    15 Menit

  • Pengenalan Tools Pengembangan dan Validasi Model dalam Machine Learning Pipeline

    20 Menit

  • Latihan Pembuatan Komponen Pengembangan dan Validasi Model dalam Machine Learning Pipeline

    60 Menit

  • Pengenalan Tools Lanjutan dalam Pengembangan dan Validasi Model.

    25 Menit

  • Rangkuman Pengembangan dan Validasi Model Machine Learning

    10 Menit

  • Kuis Pengembangan dan Validasi Model Machine Learning

    10 Menit

  • Pengenalan Model Deployment

    38 Menit

  • Manajemen Model dan Data Version

    15 Menit

  • Pengenalan Model Serving

    30 Menit

  • Monitoring & Feedback Loop

    30 Menit

  • Latihan Membuat Model Serving Menggunakan Flask

    40 Menit

  • Latihan Penggunaan TensorFlow Serving

    45 Menit

  • Latihan Model Deployment

    30 Menit

  • Rangkuman Deployment dan Monitoring pada Model Machine Learning

    10 Menit

  • Kuis Deployment dan Monitoring pada Model Machine Learning

    10 Menit

  • Proyek Pengembangan Machine Learning Pipeline

    480 Menit

  • Pengenalan Python Clean Code

    15 Menit

  • Style Guide

    30 Menit

  • Prinsip Modular Code

    20 Menit

  • Refactoring Code

    30 Menit

  • Documentation

    20 Menit

  • Pengenalan Linter dan Code Formatter

    15 Menit

  • Latihan Refactoring Code

    45 Menit

  • Rangkuman Python Clean Code

    10 Menit

  • Kuis Python Clean Code

    10 Menit

  • Tahap Penentuan Cakupan Proyek

    25 Menit

  • Pembuatan Pipeline Component

    80 Menit

  • Menjalankan Pipeline Component Menggunakan Pipeline Orchestrator

    30 Menit

  • Deploy Model Machine Learning ke Cloudeka: Pengantar

    3 Menit

  • Deploy Model Machine Learning ke Cloudeka: Pengenalan Cloudeka

    7 Menit

  • Deploy Model Machine Learning ke Cloudeka: Pengenalan Deka Flexi (FX2)

    10 Menit

  • Deploy Model Machine Learning ke Cloudeka: Membuat VPC, Instance, Public IP, dan Firewall

    30 Menit

  • Deploy Model Machine Learning ke Cloudeka: Deployment dan Monitoring Model

    45 Menit

  • Rangkuman Pengembangan dan Pengoperasian Sistem Machine Learning di Cloudeka

    10 Menit

  • Kuis Pengembangan dan Pengoperasian Sistem Machine Learning di Cloudeka

    10 Menit

  • Rangkuman Kelas

    60 Menit

  • Ujian Akhir Kelas

    120 Menit

  • Proyek Pengembangan dan Pengoperasian Sistem Machine Learning

    600 Menit

Dicoding Logo

Dicoding Space
Jl. Batik Kumeli No.50, Sukaluyu,
Kec. Cibeunying Kaler, Kota Bandung
Jawa Barat 40123

Penghargaan

Asean Business Award 2019
Anugerah Diktisaintek 2024

Decode Ideas
Discover Potential

Tentang Kami
Blog
Reward
Showcase
Dicoding Elite
Hubungi Kami
FAQ