코스 개요

Devstral과 Mistral 모델 소개

  • Mistral의 오픈 소스 모델 개요
  • Apache-2.0 라이선싱 및 기업 채택
  • Devstral의 코딩 및 에이전트 워크플로우 역할

Mistral 및 Devstral 모델 자체 호스팅

  • 환경 준비 및 인프라 선택
  • Docker/Kubernetes를 통한 컨테이너화 및 배포
  • 생산 환경에서의 확장 고려 사항

미세 조정 기법

  • 감독형 미세 조정 vs 파라미터 효율적 조정
  • 데이터셋 준비 및 정리
  • 도메인 특정 맞춤화 예시

모델 Ops 및 버전 관리

  • 모델 라이프사이클 관리 최선책
  • 모델 버전 관리 및 롤백 전략
  • ML 모델을 위한 CI/CD 파이프라인

거버넌스 및 준수

  • 오픈 소스 배포를 위한 보안 고려 사항
  • 기업 환경에서의 모니터링 및 감사 가능성
  • 준수 프레임워크 및 책임 있는 AI 관행

모니터링 및 관찰 가능성

  • 모델 드리프트 및 정확도 저하 추적
  • 추론 성능을 위한 도구
  • 알람 및 대응 워크플로우

사례 연구 및 최선책

  • Mistral 및 Devstral 채택의 산업 사용 사례
  • 비용, 성능 및 제어 간의 균형
  • 오픈 소스 모델 Ops에서 배운 교훈

요약 및 다음 단계

요건

  • 머신러닝 워크플로우에 대한 이해
  • Python 기반 ML 프레임워크 경험
  • 컨테이너화 및 배포 환경에 대한 숙련도

대상

  • ML 엔지니어
  • 데이터 플랫폼 팀
  • 리서치 엔지니어
 14 시간

참가자 수


참가자당 가격

예정된 코스

관련 카테고리