Otomatisasi

Akuisisi Data

Server web akan ditempatkan di Google Cloud Run dan dijadwalkan untuk mengambil data yang relevan dari Iron Hand berulang kali, setiap jam. Server ini akan mengunggah data apy dalam format yang dapat dibaca.

Konsumsi dan Prapemrosesan Data

Untuk memulai proses pelatihan model, file yang dapat dibaca di GCS akan dimuat dan diproses terlebih dahulu untuk menyiapkan data berkualitas tinggi untuk pelatihan. Fase preprocess akan membersihkan data, melakukan rekayasa fitur untuk menghasilkan fitur baru untuk meningkatkan daya prediksi model, menormalkan data, membagi data ke dalam set pelatihan, validasi, dan pengujian, dll.

Penyetelan Hiperparameter

Menyetel hiperparameter seperti jumlah neuron, fungsi aktivasi, laju pembelajaran, ukuran batch, fungsi kerugian, epoch, dan lain-lain untuk meningkatkan kinerja model.

Pelatihan Model

Pada fase ini, mendefinisikan model LSTM, melatihnya, membuat prediksi, dan mengevaluasi model.

Evaluasi Model

Gunakan set pengujian untuk mengevaluasi kinerja model dan memastikan kinerja model melampaui ambang batas tertentu, simpan ke dalam GCS.

Penerapan Model

Menerapkan model yang disimpan untuk menyajikan data prediksi.

Pemantauan Berkelanjutan

Memantau kesehatan dan kinerja model yang digunakan dan mengatur peringatan untuk setiap anomali atau penyimpangan dalam kinerja model.

Umpan Balik & Pelatihan Ulang

Jika fase pemantauan mendeteksi penyimpangan atau penurunan kinerja, latih ulang model.