Infrastruktur dan Kualitas Aplikasi AI: Cloud, PostgreSQL, dan QA Otomasi

Jalur karier

• Disarankan sesudah jalur AI Engineer.

• Disarankan sesudah jalur Software Developer.

• Disarankan sesudah jalur Data Analyst.

1. Modul 3 · Rangkaian tes otomatis untuk aplikasi web dengan fitur LLM, berjalan di CI

   Uji aplikasi contoh (disediakan; aplikasinya sengaja mengandung beberapa bug). Bangun rangkaian tes dan temukan sebanyak mungkin bug dengan bukti. Bila Anda memakai AI untuk menulis tes, catat tes mana yang Anda buang dan alasannya. Tahapan pengerjaan • Kerangka: Strategi tes, prioritas risiko, dan rencana cakupan. • Draf: Tes ujung ke ujung dan tes API untuk alur utama berjalan di CI. • Revisi: Set evaluasi untuk fitur LLM dan tes keamanan dasar; tes yang gagal acak diperbaiki; umpan balik reviewer ditindaklanjuti. • Final: Laporan bug beserta bukti, laporan kualitas, dan catatan penggunaan AI dalam menulis tes.

   Yang diserahkan: Tautan repositori berisi tes dan konfigurasi CI, laporan bug (langkah reproduksi dan bukti), serta laporan kualitas maksimal 3 halaman.

   Kriteria penilaian

   Lulus mulai 70%

   • Strategi dan cakupan berbasis risikobobot 25% · skor 0–4

     Area berisiko tinggi teruji di level yang tepat; cakupan dibenarkan.

   • Bug yang ditemukanbobot 25% · skor 0–4

     Bug yang disisipkan ditemukan dengan langkah reproduksi yang jelas.

   • Pengujian fitur LLMbobot 25% · skor 0–4

     Set evaluasi menangani keluaran tidak deterministik dengan kriteria lulus yang masuk akal.

   • Stabilitas dan kualitas tesbobot 15% · skor 0–4

     Tes stabil, mudah dibaca, dan tes buatan AI yang tidak bermakna sudah disaring.

   • Pelaporanbobot 10% · skor 0–4

     Laporan kualitas bisa ditindaklanjuti oleh tim pengembang.

2. Modul 1 · Infrastruktur sebagai kode dan deployment Kubernetes untuk aplikasi AI tiga komponen

   Deploy aplikasi AI tiga komponen (API, worker, basis data; aplikasi contoh disediakan) ke cloud pilihan Anda memakai Terraform dan Kubernetes. Reviewer akan membaca kode Anda untuk menilai apakah infrastruktur bisa dibangun ulang dari nol. Tetapkan anggaran bulanan dan buktikan infrastruktur Anda berada di bawahnya. Tahapan pengerjaan • Kerangka: Diagram arsitektur, pilihan layanan cloud beserta alasannya, dan estimasi biaya bulanan. • Draf: Terraform membuat klaster dan jaringan; aplikasi berjalan di Kubernetes. • Revisi: Rahasia dikelola dengan benar, autoscaling teruji dengan uji beban sederhana, dan umpan balik reviewer ditindaklanjuti. • Final: Bukti pemulihan dari kehilangan basis data, perbandingan biaya aktual dengan estimasi, dan prosedur pembongkaran infrastruktur.

   Yang diserahkan: Tautan repositori berisi Terraform dan manifest Kubernetes, README untuk membangun ulang dari nol, hasil uji beban, dan laporan biaya.

   Kriteria penilaian

   Lulus mulai 70%

   • Reprodusibilitas infrastrukturbobot 30% · skor 0–4

     Infrastruktur bisa dibangun ulang dan dibongkar hanya dari kode; tidak ada langkah manual tersembunyi.

   • Ketepatan deployment Kubernetesbobot 25% · skor 0–4

     Sumber daya, probe kesehatan, dan autoscaling dikonfigurasi dengan benar dan teruji.

   • Keamanan dasarbobot 20% · skor 0–4

     Rahasia tidak ada di repositori, kontainer berjalan sebagai non-root, akses jaringan dibatasi.

   • Kendali biayabobot 15% · skor 0–4

     Estimasi masuk akal dan biaya aktual dilaporkan jujur terhadap anggaran.

   • Pemulihanbobot 10% · skor 0–4

     Pencadangan dan pemulihan basis data terbukti berjalan.

3. Modul 2 · Basis data PostgreSQL untuk katalog dengan pencarian teks, vektor, dan gabungan, beserta bukti kinerja

   Rancang dan bangun basis data untuk katalog produk berukuran minimal 200.000 baris (generator dataset disediakan). Terapkan tiga jenis pencarian, ukur kualitas dan kecepatannya, lalu rekomendasikan mana yang dipakai untuk kasus apa. Tahapan pengerjaan • Kerangka: Model data, pola kueri utama, dan rencana indeks. • Draf: Skema dan data termuat, kueri transaksional teroptimasi dengan bukti rencana kueri. • Revisi: Pencarian teks penuh, vektor, dan gabungan berjalan dan diukur; umpan balik reviewer ditindaklanjuti. • Final: Row-Level Security, laporan kinerja, dan rekomendasi arsitektur.

   Yang diserahkan: Tautan repositori berisi migrasi skema, skrip data, dan skrip pengukuran, serta laporan maksimal 5 halaman berisi tabel kinerja dan rekomendasi.

   Kriteria penilaian

   Lulus mulai 70%

   • Kualitas model databobot 25% · skor 0–4

     Skema ternormalisasi dengan tepat, tipe data benar, dan batasan integritas lengkap.

   • Kinerja terbuktibobot 25% · skor 0–4

     Indeks dirancang dari pola kueri dan perbaikannya dibuktikan dengan rencana kueri dan pengukuran.

   • Kualitas pencarianbobot 25% · skor 0–4

     Ketiga jenis pencarian berjalan; kualitas hasil diukur, bukan diasumsikan.

   • Keamanan databobot 15% · skor 0–4

     Peran dan Row-Level Security membatasi akses dengan benar dan teruji.

   • Rekomendasibobot 10% · skor 0–4

     Rekomendasi didukung angka dan jujur tentang batas PostgreSQL.