Pengantar Continuous Integration/Continuous Delivery untuk Machine Learning

CI/CD untuk Machine Learning

Ravi Bhadauria

Machine Learning Engineer

Gambaran SDLC

SDLC: Software Development Life Cycle
Pendekatan sistematis yang mencakup pengembangan perangkat lunak dari awal hingga akhir
Alur kerja SDLC adalah urutan langkah untuk mencapai tujuan tertentu:
- Build: mengompilasi/memaketkan kode, menyelesaikan dependensi
- Test: memastikan fungsionalitas, kualitas, dan keandalan basis kode
- Deploy: membuat perangkat lunak tersedia di lingkungan tertentu

Plot dependensi langkah alur kerja SDLC. Build adalah langkah pertama, diikuti test dan deploy.

Pengembangan machine learning bisa kompleks dan memakan waktu
- Model adalah algoritme yang berevolusi dinamis
- Rekayasa data itu penting
Continuous Integration/Continuous Delivery mengurangi kesalahan dan mempercepat rilis perangkat lunak ML berkualitas tinggi
Penting untuk efisiensi ML dan eksperimen

¹ https://cloud.google.com/blog/products/ai-machine-learning/making-the-machine-the-machine-learning-lifecycle

Continuous Integration (CI): Praktik sering membangun, menguji, dan menggabungkan perubahan kode ke repositori bersama
Memungkinkan developer mendeteksi masalah integrasi lebih awal dan menjaga basis kode tetap konsisten

Continuous Delivery (CD): Memastikan perubahan kode dapat diproduksikan kapan saja, tetapi memerlukan persetujuan manual
Continuous Deployment (CD): Secara otomatis menerapkan perubahan kode ke produksi tanpa intervensi manual

Ketergantungan Data: Strategi versi data dan pengelolaan
Eksperimen: Otomatisasi penalaan hiperparameter
Versi Model: Meningkatkan kolaborasi
Paradigma Pengujian: Melampaui uji fungsional dan unit tradisional
Tantangan Penerapan Berkelanjutan: Kompleksitas penyajian model, pemantauan, dan pembaruan

Plot langkah proyek machine learning, menekankan Persiapan Data, Pengembangan Model, serta Evaluasi dan Penalaan Model.

Alur kerja Software Development Life Cycle mencakup build, test, dan deploy kode
Continuous Integration (CI) memastikan penggabungan kode yang sering dan deteksi dini masalah
Continuous Delivery (CD) memungkinkan perubahan kode diproduksikan dengan persetujuan manual
Continuous Deployment (CD) mengotomatiskan penerapan kode tanpa intervensi manual
CI/CD dalam Machine Learning memfasilitasi
- Versi data
- Pembangunan dan versi model
- Otomatisasi eksperimen
- Pengujian
- Penerapan

CI/CD untuk Machine Learning