MLOps
2023-07-11
Pelajaran dari Pengembangan Stripe Radar - Wawasan tentang Pengembangan Sistem ML
Artikel ini merangkum sebuah pos blog yang membahas pelajaran berharga yang dipetik dari proses pengembangan "Stripe Radar," solusi pencegahan penipuan yang ditawarkan oleh Stripe.
MLOps
2023-07-10
Data Drift dan Konsep Drift
Artikel ini menjelaskan tentang "Data Drift" dan "Konsep Drift," yang merupakan penyebab utama penurunan kinerja pada model pembelajaran mesin (ML). Artikel ini juga memberikan wawasan mengenai strategi-strategi efektif untuk mengatasi masalah-masalah ini.
MLOps
2023-03-10
Tantangan Terkait MLOps dan Solusinya
Artikel ini membahas tantangan yang dihadapi dalam pengembangan proyek machine learning (ML), termasuk manajemen data, pengembangan model, implementasi, dan kolaborasi/komunikasi. Tantangan manajemen data meliputi memastikan kualitas dan keandalan data, privasi dan keamanan data, dan integrasi dan kompatibilitas data. Tantangan pengembangan model meliputi pemilihan dan optimalisasi model, kontrol versi dan reproduktibilitas, dan interpretasi dan transparansi model. Tantangan implementasi meliputi skalabilitas dan kinerja, otomatisasi implementasi model, dan pemantauan dan pemeliharaan. Tantangan kolaborasi dan komunikasi meliputi kerja tim lintas disiplin, perbedaan budaya, dan kebutuhan akan saluran komunikasi yang efektif.
MLOps
2023-03-10
Apa itu Pipa Pembelajaran Mesin
Artikel ini membahas pentingnya pipa pembelajaran mesin (ML) dan komponen-komponennya. Pipa ML adalah alur kerja yang menyederhanakan dan mengotomatiskan seluruh alur kerja ML, mulai dari pengumpulan data hingga penyebaran model. Artikel ini menguraikan kebutuhan untuk pipa ML, karena pengembangan dan penyebaran model ML melibatkan banyak langkah dan memerlukan resource yang signifikan. Pipa ML membantu untuk standarisasi dan otomatisasi setiap langkah dari proses ini, memastikan keulangan dan skalabilitas. Artikel ini juga membahas komponen-komponen utama dari pipa ML, termasuk pengumpulan dan penyimpanan data, rekayasa fitur, pelatihan model, evaluasi model, penyebaran model, dan pemantauan model. Akhirnya, artikel ini memberikan gambaran umum tentang alat pipa ML yang populer, termasuk Kubeflow, Pipa AI Vertex, Kedro, dan Luigi.
MLOps
2023-01-20
Optuna + MLflow
Artikel ini memperkenalkan beberapa contoh manajemen eksperimen menggunakan kombinasi Optuna dan MLflow.
MLOps
Optuna
MLflow
2023-01-20
Optuna
Artikel ini menjelaskan tentang Optuna.
MLOps
Optuna
2023-01-14
Kedro CLI
Artikel ini menjelaskan tentang Kedro CLI.
MLOps
Kedro
2023-01-14
Kedro DataCatalog
Artikel ini menjelaskan tentang Kedro DataCatalog.
MLOps
Kedro
2023-01-14
Kedro Hooks
Artikel ini menjelaskan tentang Hooks di Kedro.
MLOps
Kedro
MLflow
2023-01-14
Kedro dan Jupyter
Artikel ini menjelaskan bagaimana menghubungkan Kedro dan Jupyter.
MLOps
Kedro
2023-01-14
Pipeline modular Kedro
Artikel ini menjelaskan tentang pipeline modular di Kedro.
MLOps
Kedro
2023-01-14
Tutorial Kedro
Artikel ini memberi Anda tutorial tentang Kedro.
MLOps
Kedro
2023-01-14
Kedro Viz
Artikel ini menjelaskan tentang Kedro-Viz.
MLOps
Kedro
2023-01-14
Kedro
Artikel ini menjelaskan tentang Kedro.
MLOps
Kedro
2023-01-07
Pola pengiriman model ML
Artikel ini menjelaskan tentang pola pengiriman model ML.
MLOps
2023-01-07
Pola ML QA
Artikel ini menjelaskan tentang pola ML QA.
MLOps
2023-01-07
Pola penyajian ML
Artikel ini menjelaskan tentang pola penyajian ML.
MLOps
2023-01-06
MLflow Tracking
Artikel ini menjelaskan tentang MLflow Tracking.
MLOps
MLflow
2023-01-03
Tingkat MLOps
Artikel ini menjelaskan tentang tingkat MLOps.
MLOps
2023-01-03
MLOps
Artikel ini menjelaskan tentang MLOps.
MLOps
AlloyDB
Amazon Cognito
Amazon EC2
Amazon ECS
Amazon QuickSight
Amazon RDS
Amazon Redshift
Amazon S3
API
Autonomous Vehicle
AWS
AWS API Gateway
AWS Chalice
AWS Control Tower
AWS IAM
AWS Lambda
AWS VPC
BERT
BigQuery
Causal Inference
ChatGPT
Chrome Extension
CircleCI
Classification
Cloud Functions
Cloud IAM
Cloud Run
Cloud Storage
Clustering
CSS
Data Engineering
Data Modeling
Database
dbt
Decision Tree
Deep Learning
Descriptive Statistics
Differential Equation
Dimensionality Reduction
Discrete Choice Model
Docker
Economics
FastAPI
Firebase
GIS
git
GitHub
GitHub Actions
Google
Google Cloud
Google Search Console
Hugging Face
Hypothesis Testing
Inferential Statistics
Interval Estimation
JavaScript
Jinja
Kedro
Kubernetes
LightGBM
Linux
LLM
Mac
Machine Learning
Macroeconomics
Marketing
Mathematical Model
Meltano
MLflow
MLOps
MySQL
NextJS
NLP
Nodejs
NoSQL
ONNX
OpenAI
Optimization Problem
Optuna
Pandas
Pinecone
PostGIS
PostgreSQL
Probability Distribution
Product
Project
Psychology
Python
PyTorch
QGIS
R
ReactJS
Regression
Rideshare
SEO
Singer
sklearn
Slack
Snowflake
Software Development
SQL
Statistical Model
Statistics
Streamlit
Tabular
Tailwind CSS
TensorFlow
Terraform
Transportation
TypeScript
Urban Planning
Vector Database
Vertex AI
VSCode
XGBoost
