Menerapkan model peramalan ke produksi

Merancang Pipeline Peramalan untuk Produksi

Rami Krispin

Senior Manager, Data Science and Engineering

Pendahuluan

• Senior manager - data science dan engineering
• Deret waktu, peramalan & MLOps
• Penulis
• Kontributor open source

Peramalan di Produksi

• Arsitektur pipa peramalan
• Atur otomasi
• Monitor pipa

Motivasi

• Otomasi - tugas peramalan berulang
  • Contoh: meramalkan suhu per jam
• Skala - banyak seri
  • Contoh: banyak seri atau kebutuhan komputasi tinggi

Arsitektur umum

Arsitektur umum

Arsitektur umum

Arsitektur umum

Arsitektur umum

Arsitektur umum

Garis besar kursus

Bab 1

• Tinjau sumber data
• Ambil data dari EIA API

Bab 2

• Proses eksperimen
  • Latih, uji, dan catat banyak model peramalan

Bab 3

• Proses deployment
  • Otomasi data, penyegaran model & pencatatan log

Bab 4

• Langkah pascadeployment
  • Monitoring & peringatan
  • Praktik terbaik

Prasyarat kursus

Kursus lanjutan, perlu pengetahuan sebelumnya:

• Analisis deret waktu dan peramalan
• Sistem orkestrasi
• API
• Python

Alat kursus

Ayo berlatih!

Merancang Pipeline Peramalan untuk Produksi