Sistem ML Produksi

Ada banyak hal dari machine learning selain hanya menerapkan algoritme ML. Sistem ML produksi mencakup jumlah komponen yang signifikan.

Sistem ML Produksi

Diagram sistem ML hanya menunjukkan "Kode ML"
Diagram sistem ML berisi komponen berikut: penggabungan data, ekstraksi fitur, fitur pengelolaan proses, verifikasi data, konfigurasi, pengelolaan resource komputer, pemantauan, infrastruktur pelayanan, and kode ML. Bagian kode ML dari diagram membuat sembilan komponen lainnya terlihat kecil.
  • Anda tidak perlu membuat semuanya sendiri.
    • Gunakan kembali komponen sistem ML umum jika memungkinkan.
    • Solusi Google CloudML termasuk Dataflow dan TF Serving
    • Komponen juga dapat ditemukan di platform lain seperti, Spark, Hadoop, dll.
    • Bagaimana Anda tahu apa saja yang Anda butuhkan?
      • Pahami beberapa persyaratan dan paradigma sistem ML

Sejauh ini, Kursus Singkat Machine Learning berfokus pada membuat model ML. Namun, seperti yang ditunjukkan pada gambar berikut, sistem ML produksi adalah ekosistem besar di mana model merupakan salah satu bagiannya.

Diagram sistem ML berisi komponen berikut: penggabungan data, ekstraksi fitur, fitur pengelolaan proses, verifikasi data, konfigurasi, pengelolaan resource komputer, pemantauan, infrastruktur pelayanan, and kode ML. Bagian kode ML dari diagram membuat sembilan komponen lainnya terlihat kecil.

Gambar 1. Sistem ML produksi dunia nyata.

Kode ML berada di pusar sistem produksi ML dunia nyata, namun kotak tersebut sering kali hanya merupakan 5% atau kurang dari keseluruhan kode total sistem produksi ML. (Ini bukan kesalahan cetak.) Perhatikan bahwa sistem produksi ML membutuhkan resource yang besar untuk mengolah data input—mengumpulkan, memverifikasi, dan mengekstrak fitur dari data. Selain itu, perhatikan bahwa infrastruktur penayangan harus tersedia untuk menerapkan prediksi model ML dalam penggunaan praktis di dunia nyata.

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

TensorFlow menyediakan banyak dari komponen tersebut, tetapi opsi lainnya tersedia dari platform lain seperti Spark atau Hadoop.

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