C10 · Modul 01
Dari notebook ke produksi
47 langkah singkat, dari mudah sampai tantangan.
Level 1
Kenal
Level 2
Paham
Level 3
Terapkan
Level 4
Tantangan
Level 5
Pendalaman
Intinya
- Kode model hanya kotak kecil; MLOps membuat data, konfigurasi, penyajian, dan pemantauan di sekelilingnya bisa diulang, berversi, teruji, dan teramati.
- Ukur model produksi per bulan dan per irisan, hanya dari label yang sudah datang, dan bandingkan dengan derau, bukan dengan ambang tetap.
- Training–serving skew dan fitur basi tidak terlihat di metrik agregat; uji diferensial baris demi baris yang menangkapnya.
- Model yang memengaruhi labelnya sendiri (kupon) butuh kelompok kontrol acak dan catatan tindakan per pelanggan.
- ML Test Score adalah minimum empat bagian, dan setiap status butuh bukti.
Sebelum mulai
±6 jam (2 jam konsep, 3 jam latihan dan lab, 1 jam review).
Modul ini memakai materi di bawah. Belum yakin? Ulas dulu bagian yang disebut.
Hasil belajar:
- Menjelaskan mengapa kode model hanya sebagian kecil sistem ML dan menamai utang teknis khas ML (Sculley dkk. 2015) pada model churn Warung Makmur: keterkaitan (CACE), ketergantungan data, loop umpan balik tersembunyi, ambang tetap, dan konfigurasi.
- Memetakan siklus hidup model dan peran (data scientist, ML engineer, data engineer, platform engineer, SRE, pemilik produk) ke pekerjaan nyata, termasuk bagian yang dikerjakan agen AI dan bagian yang wajib diverifikasi manusia.
- Mengukur model yang sedang berjalan per bulan dan per irisan, lalu membedakan penurunan yang bermakna dari derau dengan uji yang dikoreksi untuk banyak irisan.
- Mendeteksi training–serving skew, kebocoran lewat nilai hilang, dan fitur basi dengan kode yang membandingkan dua jalur data baris demi baris.
- Menghitung ML Test Score (Breck dkk. 2017) sebagai minimum empat bagian dan menulis audit kesiapan yang setiap klaimnya punya bukti.
Hasil lab: KESIAPAN.md untuk model churn C2: 28 uji ML Test Score dengan status dan bukti, skor yang dihitung kode Latihan 1.1, tabel AUC per bulan, laporan skew, dan tiga tindakan pertama untuk course ini.
Semua contoh diuji dengan Python 3.12 dan 3.13, numpy 2.4.6, pandas 3.0.2, scikit-learn 1.8.0, dan scipy 1.18.0 (_kerangka/requirements.txt). Data berasal dari data/panel_churn.csv (kontrak proyek-platform.md §1).
Istilah di modul ini (35)
Ketuk istilah untuk melihat penjelasannya. Di materi, istilah bergaris titik membuka kartu yang sama. Semua istilah course
Bahan modul
Semua kode, latihan, dan data modul ini dalam satu zip, untuk dijalankan di laptop atau Google Colab.
- 14 contoh kode
- 7 berkas latihan + tes
- 1 berkas data
- requirements.txt
Lihat isi zip
- BACA-DULU.txt
- siap01.py
- saji.py
- contoh_c10_01_92.py
- contoh_c10_01_154.py
- contoh_c10_01_399.py
- contoh_c10_01_430.py
- contoh_c10_01_568.py
- contoh_c10_01_669.py
- contoh_c10_01_731.py
- contoh_c10_01_933.py
- contoh_c10_01_1087.py
- contoh_c10_01_1236.py
- contoh_c10_01_1271.py
- contoh_c10_01_1465.py
- contoh_c10_01_1714.py
- contoh_c10_01_1994.py
- test_c10_01_2.py
- test_c10_01_3.py
- test_c10_01_4.py
- test_c10_01_5.py
- test_c10_01_1.py
- test_c10_01_7.py
- test_c10_01_6.py
- panel_churn.csv
- requirements.txt