use scripting programming

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.

• 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.

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.

• 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.

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.

• 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.

Pipeline CI/CD dengan gerbang keamanan berlapis dan deploy GitOps yang teruji memblokir

Bangun pipeline untuk aplikasi contoh (disediakan) atau aplikasi Anda sendiri. Buktikan setiap gerbang bekerja dengan menyiapkan merge request yang sengaja berbahaya: rahasia yang ter-commit, dependensi rentan, image dengan kerentanan kritis, dan IaC yang membuka akses publik. Tahapan pengerjaan • Kerangka: Desain pipeline, daftar gerbang beserta kebijakan blokir atau peringatan, dan alasannya. • Draf: Pipeline berjalan dengan pemindaian kode, rahasia, dan dependensi. • Revisi: Pemindaian kontainer dan IaC, deploy GitOps, dan umpan balik reviewer ditindaklanjuti. • Final: Empat merge request berbahaya terblokir dengan bukti, SBOM dan tanda tangan artefak, serta kebijakan pengecualian.

Yang diserahkan: Tautan repositori dengan konfigurasi pipeline, tautan ke empat merge request uji beserta hasil pipeline-nya, dan dokumen kebijakan keamanan pipeline maksimal 3 halaman.

• Gerbang yang terbukti bekerjabobot 35% · skor 0–4

  Keempat perubahan berbahaya benar-benar terblokir dengan pesan yang jelas bagi pengembang.

• Desain kebijakanbobot 25% · skor 0–4

  Keseimbangan antara memblokir dan memperingatkan dibenarkan; pengecualian punya proses dan tenggat.

• Rantai pasokbobot 20% · skor 0–4

  SBOM dihasilkan dan artefak ditandatangani serta diverifikasi saat deploy.

• Deploy GitOpsbobot 20% · skor 0–4

  Deploy deklaratif, bisa diaudit, dan bisa dikembalikan ke versi sebelumnya.

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.

• 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.