가장 쉽게 배우는 MLOps, 기초부터 ML서비스 실무까지!
강의정보
| 학습개요 |
머신러닝 모델을 보다 효과적으로 관리하기 위한 MLOps의 기초부터 파이프라인 구축까지, MLOps 도입을 위한 내용을 담고 있습니다. |
|---|---|
| 학습목표 |
1) 쿠버네티스 기반 On-premise 환경에서 AI 워크플로우 구축부터 최적화까지 학습할 수 있다. 2) Kubeflow 최신 기술 스택을 통해 현업에서의 기술을 활용하고 향상시킬 수 있다, 3) AI 초보자부터 전문가까지 사용 가능한 데이터 전처리, 모델 구축, 배포 등 올인원(All-in-One) 서비스 운영할 수 있다. |
| 학습대상 |
|
강사이력
▶ 강원ICT융합연구원 : 데이터분석그룹 팀장
▶ 강릉원주대학교 산업공학 박사 학위 취득
▶ 머신러닝 개념 및 기초 오프라인 강의
▶ 파이썬, 정형 데이터 기반 머신/딥러닝 코딩 오프라인 강의
▶ 파이썬, 이미지 분류 및 객체 탐지 모델 코딩 오프라인 강의 |
강의목차
-
강의정보 번호 강의명 1강MLOps의 개념과 이해- MLOps가 필요한 이유
- MLOps 단계
- MLOps 구성 요소
- Kubernetes가 필요한 이유
2강MLOps AI 도구와 기능- AI 역할
- AI 프로그래밍 언어
- 데이터 전처리
- 모델 설정
3강MLOps 워크플로우 구성하기- Docker 및 Container 기술
- 데이터 스토리지
4강개발 환경 구성하기- Docker 설치
- Kubernetes 설치
- S/W 추가 설치
5강Kubeflow 설치하기- Kubeflow 개념
- Kubeflow 설치
6강Kubeflow 살펴보기- Kubeflow Component 예제
- Kubeflow Pipeline 예제
7강Kubeflow 데이터 스토리지 설정하기- Persistent Storage 설정
- MinIO 설정
8강Kubeflow 데이터 연동하기- 미가공 데이터 가져오기
- 데이터 연동 결과 확인
-
강의정보 번호 강의명 9강Kubeflow 데이터 전처리- 이미지 데이터 전처리
- 데이터 전처리 결과 확인
10강AI 학습 데이터 생성 및 훈련하기- 학습 데이터 생성
- 알고리즘 설정
- 매개 변수 설정
- 모델 훈련 결과 확인
11강AI 학습 모델 검증 및 평가하기- 모델 검증
- 모델 검증 결과 확인
12강신규 데이터 예측 및 추론하기- 모델 추론
- 모델 추론 결과 확인
13강실무 Skill Up! AI 모델 배포 전략- FastAPI 개념
- FastAPI 설치 및 실행
14강실무 Skill Up! AI 모델 최적화- Katib 개념
- Katib 설치
- Katib 실행
- Katib 확인
15강실무 Skill Up! AI 모델 버전 관리- MLflow 개념
- MLflow 설정
- MLflow 확인
16강실무 Skill Up! AI 모델 모니터링- Grafana 개념
- Grafana 설치
- Grafana 확인
