docs: align Rust ONNX service deployment docs

- Update docker-compose.yml MODEL_PATH from best_model.keras to model.onnx
- Fix Machine_Learning/README.md TOC and section numbering (remove duplicate section 9, add Validasi Parity ONNX as section 9)
- Clarify parity validation as manual/recommended, not mandatory CI
- Update CLAUDE.md to document Rust/Axum/ONNX Runtime ML service and ONNX export workflow
- Simplify root README.md ML service section with port clarification (8001 local, 8000 container)
- Remove stale endpoint examples from root README (documented in apps/ml-service/README.md)
- Ensure no FastAPI/Uvicorn references in deployment documentation

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

Machine_Learning/README.md

@@ -14,7 +14,7 @@ Pipeline lengkap untuk klasifikasi penyakit daun jagung menggunakan **EfficientN
 6. [Tahap 2 — Upload ke Google Drive & Training di Colab](#6-tahap-2--upload-ke-google-drive--training-di-colab)
 7. [Tahap 3 — Download Model dari Colab](#7-tahap-3--download-model-dari-colab)
 8. [Tahap 4 — Ekspor Model untuk Produksi](#8-tahap-4--ekspor-model-untuk-produksi)
-9. [Tahap 5 — Konversi ke ONNX](#9-tahap-5--konversi-ke-onnx)
+9. [Validasi Parity ONNX (Opsional)](#9-validasi-parity-onnx-opsional)
 10. [Output Akhir](#10-output-akhir)
 11. [Troubleshooting](#11-troubleshooting)
 
@@ -330,7 +330,9 @@ Skrip ini akan:
 
 Model ONNX ini digunakan oleh layanan inferensi Rust di `apps/ml-service/` untuk performa dan kompatibilitas lintas platform yang lebih baik.
 
-#### Validasi Parity ONNX
+---
+
+## 9. Validasi Parity ONNX (Opsional)
 
 Untuk memverifikasi bahwa model ONNX menghasilkan prediksi yang sama dengan SavedModel asli, jalankan:
 
@@ -338,7 +340,7 @@ Untuk memverifikasi bahwa model ONNX menghasilkan prediksi yang sama dengan Save
 python validate_onnx_parity.py /path/to/corn-leaf.jpg
 ```
 
-Skrip ini akan membandingkan output prediksi antara SavedModel dan ONNX untuk memastikan keakuratan konversi.
+Skrip ini akan membandingkan output prediksi antara SavedModel dan ONNX untuk memastikan keakuratan konversi. **Validasi ini bersifat manual dan direkomendasikan, bukan wajib untuk deployment.**
 
 ---