Tahap: Ambil, Siapkan, Latih, Evaluasi
Pecah pelatihan menjadi langkah-langkah jelas yang dapat disimpan dalam cache.
Tahap: Ambil, Siapkan, Latih, Evaluasi adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Dari Satu Skrip Besar Menjadi Tahapan
Satu train.py yang melakukan semuanya sulit digunakan kembali dan lambat untuk di-debug. Membaginya menjadi tahapan membuat setiap langkah jelas dan dapat dijalankan secara mandiri. 🧩
Empat Tahapan Klasik
Sebagian besar alur kerja pelatihan mengikuti bentuk yang sama: ingest, prep, train, eval. Setiap tahapan menerima masukan dan menghasilkan keluaran yang dibaca oleh tahapan berikutnya.
Tahap 1: Ingest
Tahap ingest mengambil data mentah dari sumbernya, seperti basis data atau bucket, lalu menulisnya ke jalur lokal yang telah ditentukan. Belum ada data yang dibersihkan.
import pandas as pd
df = pd.read_csv("s3://bucket/raw.csv")
df.to_parquet("data/raw.parquet")Tahap 2: Prep
Tahap prep membersihkan dan mengubah data mentah menjadi fitur yang siap digunakan model. Tahap ini menangani nilai yang hilang, pengodean, serta pemisahan menjadi kumpulan data pelatihan dan pengujian.
Tahap 3: Train
Tahap train membaca fitur yang telah disiapkan dan menyesuaikan model, lalu menyimpan artefak yang telah disesuaikan ke disk agar dapat diberi skor oleh tahap berikutnya.
model.fit(X_train, y_train)
joblib.dump(model, "models/model.pkl")Tahap 4: Eval
Tahap eval memuat model yang telah disimpan, menghitung skornya pada kumpulan data pengujian tersisih, lalu menulis metrik seperti akurasi ke berkas yang dapat Anda lacak.
score = model.score(X_test, y_test)
json.dump({"accuracy": score}, open("metrics.json", "w"))Tahapan Saling Mengirim Berkas, Bukan Variabel
Tahapan saling berkomunikasi melalui berkas di disk, bukan variabel di memori. Pemisahan ini memungkinkan Anda menjalankan ulang satu tahap tanpa menjalankan tahap lainnya.
Mengapa Tahapan Dapat Disimpan dalam Tembolok
Karena setiap tahap memiliki masukan dan keluaran yang tetap, alat dapat menyimpan hasilnya dalam tembolok. Jika masukannya tidak berubah, tahap tersebut dilewati sepenuhnya.
Setiap Tahap Adalah Skripnya Sendiri
Berikan setiap tahap satu skrip kecil dengan tugas yang jelas. ingest.py, prep.py, train.py, eval.py membaca masukan dan menulis keluaran, tidak lebih.
Tahapan Membentuk DAG
Tahapan terhubung menjadi DAG, yaitu graf berarah yang setiap langkahnya bergantung pada langkah-langkah sebelumnya. Eval bergantung pada train, train pada prep, dan prep pada ingest.
Tahapan yang Jelas Memudahkan Debugging
Saat suatu proses gagal, tahapan yang terpisah memberi tahu Anda dengan tepat bagian yang bermasalah. Anda dapat menjalankan ulang hanya tahap yang gagal, bukan seluruh alur kerja.
Pemeriksaan Singkat
Mari kita periksa cara tahapan saling berkomunikasi.
Rekap: Ingest, Prep, Train, Eval
Anda telah mempelajari cara membagi pelatihan menjadi empat tahapan yang dapat disimpan dalam tembolok dan saling meneruskan data melalui berkas. Tahapan yang jelas berarti menjalankan ulang lebih cepat dan melakukan debugging dengan jauh lebih mudah. 🚀
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Tahap: Ambil, Siapkan, Latih, Evaluasi” gratis?
Ya — teks lengkap “Tahap: Ambil, Siapkan, Latih, Evaluasi” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Tahap: Ambil, Siapkan, Latih, Evaluasi”?
Pecah pelatihan menjadi langkah-langkah jelas yang dapat disimpan dalam cache. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Tahap: Ambil, Siapkan, Latih, Evaluasi” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Tahap: Ambil, Siapkan, Latih, Evaluasi
- Tentukan Pipeline dengan Tahap DVC
- Simpan dalam Cache dan Lewati Langkah yang Tidak Berubah
- Parameterkan Proses dengan params.yaml