연락처 정보

코스 개요

프로덕션 배포 개요

  • 미세조정된 모델 배포 시 주요 과제들
  • 개발 환경과 프로덕션 환경 간의 차이점
  • 모델 배포를 위한 도구 및 플랫폼 소개

배포 준비를 위한 모델 처리

  • ONNX, TensorFlow SavedModel 등 표준 형식으로 모델 내보내기
  • 지연 시간 및 처리량 최적화를 위한 모델 튜닝
  • 예외 상황 및 실제 데이터 환경에서의 모델 테스트 방법

모델 배포를 위한 컨테이너화 기법

  • Docker 개요
  • 머신러닝 모델용 Docker 이미지 생성 방법
  • 컨테이너 보안 및 효율성을 높이는 모범 사례들

Kubernetes를 활용한 배포 확장 전략

  • AI 워크로드 처리를 위한 Kubernetes 소개
  • 모델 호스팅을 위해 Kubernetes 클러스터 설정하기
  • 부하 분산 및 수평적 확장 기법 적용 방법

모델 모니터링 및 유지보수 전략

  • Prometheus와 Grafana를 활용한 실시간 모니터링 구현
  • 오류 추적과 성능 분석을 위한 자동화된 로그 기록 방안
  • 모델 드리프트 및 업데이트 대응을 위한 재훈련 프로세스 설계

프로덕션 환경 보안 강화 방법

  • 모델 추론을 위한 API 보안 조치
  • 인증 및 권한 관리 체계 구현 방법
  • 데이터 프라이버시 보호를 위한 대책 마련

사례 연구와 실습 과제들

  • 감성 분석 모델의 배포 시연
  • 기계 번역 서비스 확장 방안 실습
  • 이미지 분류 모델 모니터링 체계 구현 연습

요약 및 향후 학습 방향 제시

요건

  • 머신러닝 워크플로우에 대한 탄탄한 이해
  • 머신러닝 모델 미세조정 경험
  • DevOps 또는 MLOps 원칙에 대한 기초 지식

대상 수강생

  • DevOps 엔지니어
  • MLOps 실무자
  • AI 모델 배포 전문가
 21 시간

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리