머신러닝 서비스 구축을 위한 실전 MLOps

AI 4대천왕 앤드류 응은 최근 MLOps에 대해 다음과 같이 말했습니다.

🤔MLOps, 도대체 뭐길래?

머신러닝 엔지니어 업무의 대부분은 데이터 관리라는 농담 한 번쯤 들어보셨죠?

실제로 업무에서 모델 코드를 짜는 것은 전체의 5%에 불과하고
데이터 전처리, 모델 서빙 등 데이터 관련 업무가 95%나 차지합니다.

그만큼 고품질의 데이터를 준비하는 일은 머신러닝 엔지니어의 핵심 업무입니다.

따라서 데이터를 체계적으로
관리하기 위해 MLOps가 필요합니다!

MLOps는 ML 시스템 개발(Dev)과 ML 시스템 운영(Ops)을 통합하는 것으로,
데이터 레이블링의 일관성을 위해 인프라를 만들어 자동으로 운영되도록 만드는 역할을 합니다.

데이터의 품질을 높이려면 데이터의 양만큼이나 질도 중요하기 때문에
데이터를 체계적으로 관리하고 개선시키는 MLOps의 중요성이 강조되고 있습니다.

패캠 MLOps 강의는 다릅니다.

MLOps 플랫폼 직접 개발해본 강사님과 MLOps 구축해보고,
실제 서비스 배포 및 운영 방법까지 배워보세요!

한 번에 정리

국내 유일!
MLOps 총정리 강의

당신의 MLOps 공부가 어려웠던 이유, 그래서 준비했습니다

여기저기 파편화된 개념들을 이 강의 하나에 모두 담았습니다!
MLOps 기본 개념부터 배우고 오픈소스 쿠버네티스를 활용해 직접 파이프라인을 구축해봅니다.
다양한 클라우드에서 배포하는 방법까지 익히면 실무에 바로 적용할 수 있을 거예요.

학습 로드맵

기본+심화+응용
차별화된 수준별 로드맵 제공

수준에 따라 필요한 부분만 골라 들을 수 있도록 로드맵을 준비했습니다.
MLOps의 기본부터 심화, 그리고 실무 활용까지 전 과정을 담았으니
필요한 부분만 학습하고 내게 필요한 ML모델 서비스화 방법을 얻어가세요!

플랫폼별 배포 가이드

오픈형 & 폐쇄형 플랫폼에서의
ML 모델 배포 방법 FULL커버!

MLOps를 위한 환경과 쿠버네티스 기반으로 CI/CD 파이프라인까지 구축했다면
상황에 맞춰 MLOps를 배포하고 운영하는 방법을 배워볼 차례입니다.

AWS(Sagemaker, AutoML), Azure, GCP 등 Public Cloud와
실무에서 가장 많이 활용하는 Private Cloud에서의
ML 파이프라인 생성법과 모델 배포 노하우까지 모두 다룹니다!

👉 이런 실습을 할 거에요
* 다음은 예시 이미지이고, 실제 실습 이미지와 상이할 수 있습니다.

˙
˙
˙

더 많은 실습은 강의에서 확인해보세요!

MLOps 학습 전용 커리큘럼

MLOps 플로우 고려한
맞춤 커리큘럼

전체 커리큘럼은 머신러닝 파이프라인 플로우를 기반으로 구성되었습니다.
그대로 따라오시면 실제 실무 흐름에 맞는 활용 방법을 자연스럽게 체득하실 수 있습니다.

먼저 머신러닝(MLOps) 파이프라인 흐름을 알아볼까요?

이러한 흐름에 따라 커리큘럼을 재배열했습니다.

데이터 준비→모델 구현→모델 배포 순서에 맞춘 커리큘럼으로
먼저 파이프라인 흐름을 익힌 후, 개별 구성 요소를 설명해드립니다.

적재적소에 구성요소를 활용하여 고성능 MLOps를 구현할 수 있도록
근본적인 실력을 키워드릴게요!

💻 수업 환경 💻