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
회원 평가 (2)
크레이그는 훈련에 매우 적극적으로 참여하여 항상 우리가 주의를 기울이는지 확인하고, 예제를 우리의 일상 활동에 맞게 조정하며, 프레젠테이션에 포함되지 않은 정보더라도 질문할 때마다 답변을 제공했습니다.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
코스 - DevOps Foundation®
기계 번역됨
트레이너의 높은 참여도와 지식 수준
Jacek - Softsystem
코스 - DevOps Engineering Foundation (DOEF)®
기계 번역됨