Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
프로덕션 배포 소개
- 미세 조정된 모델을 배포하는 데 있어서의 주요 과제
- 개발 환경과 프로덕션 환경의 차이점
- 모델 배포를 위한 도구 및 플랫폼
배포를 위한 모델 준비
- 표준 형식(ONNX, TensorFlow SavedModel 등)으로 모델 내보내기
- 지연 시간과 처리량을 위한 모델 최적화
- 에지 케이스와 실제 데이터에 대한 모델 테스트
모델 배포를 위한 컨테이너화
- Docker 소개
- ML 모델에 대한 Docker 이미지 생성
- 컨테이너 보안 및 효율성을 위한 모범 사례
Kubernetes를 사용하여 배포 확장
- AI 워크로드에 대한 Kubernetes 소개
- 모델 호스팅을 위한 Kubernetes 클러스터 설정
- 부하 분산 및 수평 확장
모델 모니터링 및 유지 관리
- Prometheus 및 Grafana을 통한 모니터링 구현
- 오류 추적 및 성능을 위한 자동 로깅
- 모델 드리프트 및 업데이트를 위한 파이프라인 재교육
생산에서의 보안 보장
- 모델 추론을 위한 API 보안
- 인증 및 권한 부여 메커니즘
- 데이터 개인정보 보호 문제 해결
사례 연구 및 실습 랩
- 감정 분석 모델 배포
- 기계 번역 서비스 확장
- 이미지 분류 모델에 대한 모니터링 구현
요약 및 다음 단계
Requirements
- 머신 러닝 워크플로에 대한 강력한 이해
- ML 모델 미세 조정 경험
- DevOps 또는 MLOps 원칙에 대한 익숙함
청중
- DevOps 엔지니어
- MLOps 실무자
- AI 배포 전문가
21 Hours
회원 평가 (1)
많은 실습이 트레이너의 지도와 지원 하에 진행되었습니다.
Aleksandra - Fundacja PTA
Course - Mastering Make: Advanced Workflow Automation and Optimization
Machine Translated