Data Science & ML

MLOps dan Deployment

MLflow, Docker, FastAPI, Streamlit, Prefect, feature stores, pipeline data, monitoring, metrik bisnis ML, deployment cloud

24 pertanyaan wawancaraยท
Senior
1

Apa peran utama MLflow dalam workflow MLOps?

Jawaban

MLflow adalah platform open-source yang mengelola siklus hidup lengkap model ML: tracking eksperimen (metrik, parameter, artefak), packaging model, registry terpusat, dan deployment. Ini memungkinkan reproduktibilitas eksperimen dan versioning model yang terstandardisasi.

2

Perintah apa yang digunakan untuk men-log parameter di MLflow?

Jawaban

Fungsi mlflow.log_param mencatat hyperparameter (learning rate, epochs, batch size) yang terkait dengan suatu run. Parameter-parameter ini kemudian terlihat di MLflow UI dan memungkinkan perbandingan berbagai konfigurasi training.

3

Apa perbedaan antara mlflow.log_metric dan mlflow.log_param?

Jawaban

log_param mencatat nilai tetap yang ditentukan sebelum training (hyperparameter seperti learning_rate, epochs), sedangkan log_metric mencatat nilai yang berubah selama atau setelah training (accuracy, loss). Metrik dapat di-log beberapa kali dengan step berbeda untuk membuat kurva.

4

Apa keuntungan utama menggunakan Docker untuk deploy model ML?

5

Mengapa menggunakan Dockerfile multi-stage untuk aplikasi ML?

+21 pertanyaan wawancara

Kuasai Data Science & ML untuk wawancara berikutnya

Akses semua pertanyaan, flashcards, tes teknis, latihan code review dan simulator wawancara.

Mulai gratis