Sistem ML Produksi

Ada lebih banyak lagi machine learning daripada hanya menerapkan algoritme ML. Sistem ML produksi mencakup jumlah komponen yang signifikan.

Sistem ML Produksi

Diagram sistem ML hanya menampilkan
Diagram sistem ML yang berisi komponen berikut: pengumpulan data, ekstraksi fitur, alat pengelolaan proses, verifikasi data, konfigurasi, pengelolaan resource mesin, pemantauan, dan infrastruktur penayangan, serta kode ML. Bagian kode ML dari diagram dikerdilkan oleh sembilan komponen lainnya.
  • Tidak, Anda tidak harus membuat semuanya sendiri.
    • Gunakan kembali komponen sistem ML generik jika memungkinkan.
    • Solusi Google CloudML mencakup Dataflow dan TF Serving
    • Komponen juga dapat ditemukan di platform lain seperti Spark, Hadoop, dll.
    • Bagaimana Anda tahu apa yang Anda butuhkan?
      • Pahami beberapa paradigma sistem ML & persyaratannya

Ringkasan Kuliah Video

Sejauh ini, Kursus Singkat Machine Learning berfokus pada membuat model ML. Namun, seperti yang ditunjukkan pada gambar berikut, sistem ML produksi dunia nyata adalah ekosistem besar yang modelnya hanyalah satu bagian.

Diagram sistem ML yang berisi komponen berikut: pengumpulan data, ekstraksi fitur, alat pengelolaan proses, verifikasi data, konfigurasi, pengelolaan resource mesin, pemantauan, dan infrastruktur penayangan, serta kode ML. Bagian kode ML dari diagram dikerdilkan oleh sembilan komponen lainnya.

Gambar 1. Sistem ML produksi dunia nyata.

Kode ML adalah inti dari sistem produksi ML dunia nyata, tetapi kotak tersebut sering kali hanya mewakili 5% atau kurang dari keseluruhan kode dari total sistem produksi ML tersebut. (Itu bukan salah cetak.) Perhatikan bahwa sistem produksi ML menggunakan resource yang cukup besar untuk memasukkan data—mengumpulkan, memverifikasi, dan mengekstrak fitur dari data. Selain itu, perhatikan bahwa infrastruktur penayangan harus tersedia untuk menerapkan prediksi model ML ke dalam penggunaan praktis di dunia nyata.

Untungnya, banyak komponen dalam gambar sebelumnya dapat digunakan kembali. Selain itu, Anda tidak perlu membuat sendiri semua komponen di Gambar 1.

TensorFlow Extended (TFX) adalah platform menyeluruh untuk men-deploy pipeline produksi ML.

Modul berikutnya akan membantu Anda menentukan keputusan desain Anda dalam membuat sistem ML produksi.