코스 개요

데이터 및 ML 워크플로를 위한 Cursor 소개

  • 데이터 및 ML 엔지니어링에서 Cursor의 역할 개요
  • 환경 설정과 데이터 소스 연결
  • 노트북에서 AI 기반 코드 도움말 이해

노트북 개발 가속화

  • Cursor 내에서 Jupyter 노트북 생성 및 관리
  • 코드 완성, 데이터 탐색, 시각화를 위한 AI 사용
  • 실험 문서화 및 재현성 유지

ETL 및 피처 엔지니어링 파이프라인 구축

  • AI를 사용한 ETL 스크립트 생성 및 리팩토링
  • 확장성을 위한 피처 파이프라인 구조화
  • 파이프라인 구성 요소와 데이터셋의 버전 관리

Cursor를 사용한 모델 훈련 및 평가

  • 모델 훈련 코드와 평가 루프 생성
  • 데이터 전처리 및 하이퍼파라미터 조정 통합
  • 환경 간 모델 재현성 보장

MLOps 파이프라인에 Cursor 통합

  • Cursor를 모델 레지스트리 및 CI/CD 워크플로와 연결
  • AI 지원 스크립트를 사용한 자동 재훈련 및 배포
  • 모델 라이프사이클 모니터링 및 버전 추적

AI 지원 문서화 및 보고

  • 데이터 파이프라인의 인라인 문서 생성
  • 실험 요약 및 진행 상황 보고서 작성
  • 문맥 링크된 문서를 사용한 팀 협업 개선

ML 프로젝트의 재현성 및 거버넌스

  • 데이터와 모델 라인지를 위한 최선의 관행 구현
  • AI 생성 코드를 사용한 거버넌스 및 준법성 유지
  • AI 결정 감사 및 추적성 유지

생산성 최적화 및 미래 응용 프로그램

  • 더 빠른 반복을 위한 프롬프트 전략 적용
  • 데이터 운영에서 자동화 기회 탐색
  • 미래의 Cursor 및 ML 통합 발전 대비

요약 및 다음 단계

요건

  • Python 기반 데이터 분석 또는 머신 러닝 경험
  • ETL 및 모델 훈련 워크플로 이해
  • 버전 관리 및 데이터 파이프라인 도구에 대한 친숙함

대상자

  • ML 노트북을 구축하고 반복하는 데이터 과학자
  • 훈련 및 추론 파이프라인을 설계하는 머신 러닝 엔지니어
  • 모델 배포와 재현성을 관리하는 MLOps 전문가
 14 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리