Integrasi berkelanjutan dan penerapan berkelanjutan (CI/CD)

Machine Learning Ujung ke Ujung

Joshua Stapleton

Machine Learning Engineer

CI/CD dalam siklus hidup ML

Fase deployment pada siklus hidup machine learning

Prinsip CI/CD

Continuous Integration (CI)

Rutin menggabungkan ke repositori pusat
Sering melibatkan pengujian otomatis untuk menemukan bug

Continuous Integration digambarkan dengan awan yang diperbarui

Continuous Deployment (CD)

Mengotomatiskan penerapan pembaruan kode ke produksi
Sering digabung dengan CI

Continuous Deployment digambarkan dengan roket

CI/CD dalam machine learning

CI/CD penting untuk produksi/iterasi

Contoh: otomatisasi penambahan data pasien baru
Membantu mencegah pergeseran data (data drift)

CI/CD dalam ML:

Rutin melatih ulang model
Menguji kinerja
Deployment otomatis berbasis aturan

CI/CD dengan AWS Elastic Beanstalk

AWS Elastic Beanstalk (EB):

Layanan terkelola penuh untuk deployment dan penskalaan aplikasi + layanan
Instal EB

eb init


eb create heart_disease_env


eb deploy


eb open

Alternatif untuk EB (1)

Azure Machine Learning:

Layanan penilaian real-time
Komputasi terkelola untuk pelatihan
Pemantauan kinerja di produksi

Alternatif untuk EB (2)

GCP App Engine:

Alternatif serupa untuk AWS EB atau Azure Machine Learning

Alternatif untuk EB (3)

Kubernetes:

Sistem orkestrasi kontainer open-source
Mengotomatiskan deployment, penskalaan, dan pengelolaan aplikasi terkontainer
Kompatibel dengan banyak platform cloud utama
Kurva belajar lebih terjal, namun lebih banyak kontrol

Alternatif untuk EB (4)

Masih banyak lagi!

Ayo berlatih!

Machine Learning Ujung ke Ujung

Preparing Video For Download...