0Pricing
MLOps Academy · Pelajaran

Uji Unit Pipeline Data Anda

Pastikan bentuk, tipe, dan rentang dengan pytest.

Uji Unit Pipeline Data Anda 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.

Uji Data, Bukan Hanya Model

Sebagian besar kesalahan ML tersembunyi di alur data, bukan di model. Beberapa pengujian unit sederhana pada data dapat menemukan masalah jauh sebelum pelatihan. 🧪

Yang Diberikan pytest

Anda menulis pengujian sebagai fungsi biasa dan membiarkan pytest menemukan serta menjalankannya. Setiap assert yang gagal akan menjadi laporan kegagalan yang jelas dan mudah dibaca.

Anatomi Pengujian Data

Pengujian data memuat sampel, memanggil transformasi Anda, lalu memeriksa sebuah harapan. Alat utamanya adalah pernyataan assert yang menentukan berhasil atau gagal.

def test_no_nulls(df):
    assert df["age"].notna().all()

Periksa Bentuk

Alur data dapat menghapus atau menambahkan kolom secara diam-diam. Kunci bentuk data agar frame 10 kolom tidak lolos sebagai 9 kolom tanpa disadari.

def test_shape(df):
    assert df.shape[1] == 10

Periksa Tipe Kolom

Angka yang terbaca sebagai teks dapat mengganggu pelatihan secara diam-diam. Tetapkan dtype setiap kolom agar perubahan tipe menyebabkan pengujian gagal, bukan modelnya.

def test_dtype(df):
    assert df["price"].dtype == "float64"

Periksa Rentang yang Masuk Akal

Lindungi model dari nilai yang mustahil. Pemeriksaan rentang mencegah usia negatif atau probabilitas 300% mencapai model Anda.

def test_range(df):
    assert df["age"].between(0, 120).all()

Tangkap Nilai Kosong

Nilai yang hilang adalah kesalahan data yang paling umum. Pastikan kolom penting memiliki tanpa nilai kosong, atau pastikan nilai kosong tetap di bawah ambang yang diketahui.

Gunakan Fixture Kecil

Pengujian seharusnya berjalan dalam hitungan milidetik. Sebuah fixture pytest membuat frame kecil secara manual agar pengujian tetap cepat dan tidak pernah menyentuh data nyata.

import pytest
@pytest.fixture
def df():
    return load_sample()

Uji Setiap Transformasi Secara Terpisah

Uji satu langkah pada satu waktu agar kegagalan menunjuk penyebab yang tepat. Inilah pengujian unit: kecil, terisolasi, dan cepat untuk diperbaiki.

Jalankan Kumpulan Pengujian

Satu perintah menjalankan setiap pengujian dan mencetak ringkasan hijau atau merah. Jalankan pytest secara lokal dan kembali di CI setiap kali melakukan push.

# in your terminal
pytest -q

Uji Kasus Tepi dengan Sengaja

Berikan frame kosong, satu baris, atau masukan yang seluruhnya kosong. Pengujian kasus tepi yang baik membuktikan bahwa alur data Anda gagal dengan jelas, bukan diam-diam.

Pemeriksaan Cepat

Pemeriksaan mana yang paling baik melindungi dari kolom yang terbaca dengan tipe yang salah?

Ringkasan: Pengujian Menangkap Kesalahan Data

Sekarang Anda menguji data secara unit dengan pytest: memeriksa bentuk, tipe, rentang, dan nilai kosong pada fixture kecil agar data buruk menggagalkan build, bukan pengguna Anda. ✅

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Uji Unit Pipeline Data Anda” gratis?

Ya — teks lengkap “Uji Unit Pipeline Data Anda” 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 “Uji Unit Pipeline Data Anda”?

Pastikan bentuk, tipe, dan rentang dengan pytest. 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 “Uji Unit Pipeline Data Anda” 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

  1. Uji Unit Pipeline Data Anda
  2. Pengujian Perilaku untuk Model
  3. Tetapkan Gerbang Kualitas dan Ambang Batas
  4. Validasi Data dengan Great Expectations
← Kembali ke MLOps Academy