Menulis kode ML yang mudah dirawat

Mengembangkan Model Machine Learning untuk Produksi

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

Struktur proyek

Susun berkas proyek dengan struktur yang logis
Kelompokkan berkas terkait
- Pisahkan dataset dan model ML di folder berbeda
Pastikan penamaan dan label berkas rapi

struktur

Contoh struktur proyek

Contoh direktori proyek dengan README, file requirements, dan tiga subfolder: data, models, notebooks mlops_directory

README.md: Menjelaskan tujuan repositori dan cara menggunakannya.
requirements.txt: Daftar semua dependensi
data: berisi berkas terkait data, termasuk data mentah dan terolah
models: berisi semua berkas terkait model, termasuk skrip pembuatan model
notebooks: berisi notebook untuk eksplorasi data, pelatihan, dan evaluasi model

Versi kode

Gunakan sistem kontrol versi seperti git untuk melacak perubahan kode
Memungkinkan rollback jika perlu
Membantu menemukan sumber bug dan error
Memungkinkan kerja paralel

kode

Dokumentasi

Dokumentasikan kode dan struktur proyek
Jelaskan tujuan tiap berkas dan fungsi
Jelaskan cara menggunakan kode
Sertakan instruksi deploy model ML

dok

Daya adaptasi kode

Lebih mudah dipahami, diubah, dan diperbarui
Mengurangi waktu dan upaya saat mengubah kode
Lebih mudah beradaptasi dengan perubahan data + kode + kebutuhan
Lebih kecil kemungkinan bug
Lebih mudah menambah fitur/teknologi baru sesuai kebutuhan
Penting untuk membangun aplikasi ML yang dapat berkembang seiring waktu

Ayo berlatih!

Mengembangkan Model Machine Learning untuk Produksi

Preparing Video For Download...