Asas LLMOps: Menggunakan LLM dengan Jenkins, Docker, dan Kubernetes โ€” LearnFlat
โ˜… 3.2 (4) โฑ 2 jam 36 min ๐Ÿ“š 26 pelajaran

Asas LLMOps: Menggunakan LLM dengan Jenkins, Docker, dan Kubernetes

Belajar membina dan mengautomasikan saluran paip penggunaan LLM sedia pengeluaran menggunakan Jenkins, Docker, Kubernetes, dan alat pemantauan asli awan (cloud-native).

  • ๐Ÿ’ฌ Pengajar AI
    Tanya tentang mana-mana pelajaran dan dapatkan jawapan jelas serta-merta, bila-bila masa.
  • ๐Ÿ• Mula bila-bila masa
    Tiada jadual atau tarikh akhir โ€” belajar mengikut rentak sendiri, bila-bila masa.
  • ๐ŸŒ Dalam bahasa Melayu
    Pelajaran, tugasan dan sijil โ€” semuanya sepenuhnya dalam bahasa anda.

Tentang kursus ini

Menggunakan Model Bahasa Besar (LLM) ke pengeluaran memerlukan lebih daripada sekadar menulis kod; ia menuntut infrastruktur yang teguh, automasi, dan pemantauan berterusan. Kursus berasaskan teks ini membimbing anda melalui konsep teras LLMOps, membantu anda beralih daripada eksperimen AI tempatan kepada penggunaan berskala dan sedia awan. Anda akan mendapat pemahaman yang mendalam tentang cara mengkontena aplikasi LLM, mengautomasikan saluran paip penggunaan, dan mengekalkan prestasi model dalam pengeluaran. Dengan mengkaji corak penggunaan dunia sebenar, anda akan belajar menguruskan infrastruktur dengan cekap menggunakan alat standard industri dan perkhidmatan awan. Apa yang anda akan pelajari: - Memahami prinsip teras LLMOps, termasuk penyediaan model (model serving), pangkalan data vektor (vector databases), dan seni bina penjanaan dipertingkat perolehan (retrieval-augmented generation - RAG). - Membina dan membungkus aplikasi LLM menggunakan FastAPI dan kontena Docker untuk penggunaan yang konsisten. - Mengautomasikan aliran kerja penghantaran dengan saluran paip Jenkins CI/CD untuk menyelaraskan pengujian dan penggunaan. - Mengatur aplikasi AI berkontena pada skala menggunakan pengurusan kluster Kubernetes. - Mengkonfigurasi pemantauan pengeluaran dan kebolehcerapan (observability) menggunakan Prometheus dan Grafana untuk menjejaki kependaman dan kesihatan model. - Menggunakan model berskala ke persekitaran awan menggunakan infrastruktur AWS dan GCP. Kursus ini bermula dengan definisi asas LLMOps dan pengkontenaan sebelum beralih kepada automasi saluran paip, orkestrasi, dan pemantauan pengeluaran. Anda akan maju langkah demi langkah melalui penjelasan bertulis, pecahan konsep, dan senario konfigurasi praktikal. Kursus ini direka untuk pembangun perisian, saintis data, dan jurutera MLOps yang bercita-cita tinggi yang ingin mempelajari penggunaan pengeluaran. Tiada pengalaman terdahulu dengan DevOps atau infrastruktur awan diperlukan, kerana kami membina daripada konsep asas. Mula membaca hari ini untuk menguasai infrastruktur di sebalik aplikasi AI generatif moden.

Apa yang anda dapat

  • ๐Ÿ“œ Sijil tamat
    Tambah ke profil LinkedIn anda
  • ๐Ÿ’ฌ Tutor AI peribadi
    Tersekat dalam pelajaran? Tanya tutor terbina dalam kamu apa sahaja, bila-bila masa.
  • โ™พ๏ธ Akses seumur hidup
    Kembali bila-bila masa, tiada tamat tempoh
  • ๐Ÿ“ฑ Telefon atau komputer
    Berfungsi di mana-mana, mana-mana peranti
  • ๐Ÿ’ธ Pulangan 14 hari
    Tanpa soalan
  • โšก Pendek dan fokus
    2 jam 36 min kandungan praktikal

Ulasan (4)

ู…ุญู…ุฏ ุงู„ุฌู…ู„ูŠ TN
โ˜… 4 ยท 01.08.2026

Ini benar- benar membantu saya mengukuhkan beberapa konsep utama. Penjelasan sangat baik dan contoh sangat ilustratif. Saya suka!

Antรดnia Rodrigues BR Pelajar disahkan
โ˜… 3 ยท 18.07.2026

Ia pengenalan yang baik. Boleh mendapat manfaat daripada contoh yang lebih pelbagai dan aliran yang sedikit lebih baik antara modul.

James White AU Pelajar disahkan
โ˜… 4 ยท 13.06.2026

Informatif dan tersusun. Boleh mendapat manfaat daripada contoh yang lebih bervariasi dalam modul-modul seterusnya.

Sari Indah ID
โ˜… 2 ยท 05.06.2026

Sangat informatif. Saya suka contoh aplikasi praktikal, walaupun tetapan awal mengambil masa lebih lama daripada yang saya jangkakan.

Tulis ulasan

โ˜†โ˜†โ˜†โ˜†โ˜†
Selepas hantar kami akan meminta anda log masuk โ€” draf disimpan.

Pelajar lain juga mengambil

Soalan lazim

Apa yang saya perlukan untuk mengikuti kursus ini? +

Hanya telefon atau komputer dengan internet. Tiada pemasangan, tiada perkakasan khas.

Bagaimana untuk membayar? +

Dengan kad melalui Stripe. Kami tidak menyimpan butiran kad โ€” Stripe menguruskannya dengan selamat.

Bolehkah saya dapatkan bayaran balik? +

Ya โ€” pulangan penuh dalam 14 hari, tanpa soalan.

Berapa lama saya akan mempunyai akses? +

Selamanya. Setelah membeli, kursus adalah milik anda โ€” boleh lawat semula bila-bila masa.

Adakah saya akan mendapat sijil? +

Ya. Setelah tamat, anda akan menerima sijil yang boleh ditambah ke profil LinkedIn anda.

Direka untuk pelajar dalam
Teknologi Reka bentuk Kewangan Pemasaran Kesihatan Pendidikan Hospitaliti Pembuatan