Course Outline

AI 배포 소개

  • AI 배포 라이프사이클 개요
  • 프로덕션에 AI 에이전트를 배포하는 데 있어서의 과제
  • 주요 고려 사항: 확장성, 안정성 및 유지 관리성

컨테이너화 및 오케스트레이션

  • Docker 소개 및 컨테이너화 기본 사항
  • AI 에이전트 오케스트레이션을 위해 Kubernetes 사용
  • 컨테이너화된 AI 애플리케이션을 관리하기 위한 모범 사례

AI 모델 제공

  • 모델 제공 프레임워크 개요(예: TensorFlow 제공, Torch 제공)
  • AI 에이전트 추론을 위한 REST API 구축
  • 일괄 처리와 실시간 예측 처리

AI Agents에 대한 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 및 재교육 요구 사항 분석
  • 리소스 활용 및 확장성 최적화

보안 및 Go거버넌스

  • 데이터 개인정보 보호 규정 준수 보장
  • AI 배포 파이프라인 및 API 보안
  • AI 애플리케이션에 대한 감사 및 로깅

핸즈온 Activities

  • Docker를 사용하여 AI 에이전트를 컨테이너화
  • Kubernetes를 사용하여 AI 에이전트 배포
  • AI 성능 및 리소스 사용에 대한 모니터링 설정

요약 및 다음 단계

Requirements

  • Python 프로그래밍에 대한 능숙함
  • 머신러닝 워크플로 이해
  • Docker과 같은 컨테이너화 도구에 대한 익숙함
  • DevOps개 사례에 대한 경험(권장)

청중

  • MLOps 엔지니어
  • DevOps 전문가
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories