연락처 정보

코스 개요

개요

  • 머신러닝 모델과 기존 소프트웨어의 차이점

DevOps 워크플로우 개요

머신러닝 워크플로우 개요

코드 기반의 머신러닝 및 데이터 관리

머신러닝 시스템의 구성 요소

사례 연구: 매출 예측 애플리케이션

데이터 접근 방법

데이터 검증 절차

데이터 변환 기술

데이터 파이프라인에서 머신러닝 파이프라인으로의 전환

데이터 모델 구축 방법

모델 훈련 과정

모델 검증 절차

모델 훈련의 재현 가능성 확보 방법

모델 배포 방안

훈련된 모델을 실제 운영 환경에 서비스로 제공하는 방법

머신러닝 시스템 테스트 기법

지속적 배포의 자동화 전략

모델 모니터링 방법

데이터 버전 관리 기술

MLOps 플랫폼의 확장 및 유지보수 방안

문제 해결 전략

요약 및 결론

요건

  • 소프트웨어 개발 주기에 대한 이해가 필요합니다.
  • 머신러닝 모델을 제작하거나 활용한 경험이 있는 것이 좋습니다.
  • Python 프로그래밍에 익숙해야 합니다.

수강 대상

  • 머신러닝 엔지니어
  • DevOps 엔지니어
  • 데이터 엔지니어
  • 인프라 엔지니어
  • 소프트웨어 개발자
 35 시간

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리