Modul 10: Deploy AI App

Model di notebook = eksperimen; model yang dipakai orang = produk. Jalur tercepat: (a) Streamlit/Gradio — UI web dalam ±20 baris Python, sempurna demo internal; (b) FastAPI — API JSON profesional untuk diintegrasikan tim lain.

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Usia(BaseModel):
    usia: int

@app.post('/prediksi')
def prediksi(data: Usia):
    label = model.predict([[data.usia]])[0]
    return {'hasil': str(label)}
# jalankan: uvicorn main:app --reload

Docker mengemas app + dependensi jadi konten yang jalan di mana saja: tulis Dockerfile (FROM python:3.12-slim → COPY → pip install → CMD uvicorn), lalu docker build -t app . && docker run -p 8000:8000. Habis masalah 'tapi di laptop saya jalan'.

Proyek akhir jalur ini: pipeline end-to-end — data mentah → cleaning → model → API → UI sederhana → Dockerfile → README. Referensi deployment: DataTalksClub/machine-learning-zoomcamp (module deployment). Saat sudah jalan, tambahkan: logging, input validation, dan pemantauan sederhana (berapa request, akurasi feedback).