연락처 정보

코스 개요

AI 배포 도입

  • AI 배포 생명주기 개요
  • 프로덕션 환경에 AI 에이전트를 배포할 때의 도전 과제
  • 핵심 고려 사항: 확장성, 안정성, 유지보수성

컨테이너화 및 오케스트레이션

  • Docker 및 컨테이너화 기본 개념 소개
  • Kubernetes를 활용한 AI 에이전트 오케스트레이션
  • 컨테이너화 AI 애플리케이션 관리的最佳 실무

AI 모델 서빙

  • 모델 서빙 프레임워크 개요 (예: TensorFlow Serving, TorchServe)
  • AI 에이전트 추론을 위한 REST API 구축
  • 배치 및 실시간 예측 처리

AI 에이전트를 위한 CI/CD

  • AI 배포를 위한 CI/CD 파이프라인 설정
  • AI 모델의 테스트 및 검증 자동화
  • 롤링 업데이트 및 버전 제어 관리

모니터링 및 최적화

  • AI 에이전트 성능을 위한 모니터링 도구 구현
  • 모델 드리프트 분석 및 재학습 필요성 파악
  • 리소스 활용도 및 확장성 최적화

보안 및 거버넌스

  • 데이터 개인정보 보호 규제 준수 보장
  • AI 배포 파이프라인 및 API 보안 강화
  • AI 애플리케이션 감사 및 로깅

실습 활동

  • Docker를 사용하여 AI 에이전트 컨테이너화
  • Kubernetes를 사용하여 AI 에이전트 배포
  • AI 성능 및 리소스 사용량 모니터링 설정

요약 및 다음 단계

요건

  • Python 프로그래밍 숙련도
  • 머신러닝 워크플로우 이해
  • Docker와 같은 컨테이너화 도구에 대한 지향
  • DevOps 실무 경험(권장)

대상 수강생

  • MLOps 엔지니어
  • DevOps 전문가
 14 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리