MLOps: CI/CD for Machine Learning 교육 과정

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 ML 모델 구축을 넘어 ML 모델 생성, 추적 및 배포 프로세스를 최적화하려는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• MLflow 및 관련 ML 라이브러리와 프레임워크를 설치하고 구성합니다.
• ML 모델의 추적성, 재현성, 배포 가능성의 중요성을 인식합니다.
• ML 모델을 다양한 퍼블릭 클라우드, 플랫폼 또는 온프레미스 서버에 배포하세요.
• 여러 사용자가 프로젝트에서 공동 작업할 수 있도록 ML 배포 프로세스를 확장합니다.
• ML 모델을 실험, 재현, 배포하기 위한 중앙 레지스트리를 설정합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Kubernetes에서 기계 학습 워크플로를 구축, 배포 및 관리하려는 개발자와 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• AWS EKS(Elastic Kubernetes Service)를 사용하여 온프레미스 및 클라우드에 Kubeflow을 설치하고 구성합니다.
• Docker 컨테이너와 Kubernetes를 기반으로 ML 워크플로를 구축, 배포, 관리하세요.
• 다양한 아키텍처와 클라우드 환경에서 전체 기계 학습 파이프라인을 실행하세요.
• Kubeflow을 사용하여 Jupyter 노트북을 생성하고 관리합니다.
• 여러 플랫폼에서 ML 훈련, 하이퍼파라미터 튜닝, 워크로드 제공을 구축하세요.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Machine Learning 워크로드를 AWS EC2 서버에 배포하려는 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• AWS에 Kubernetes, Kubeflow 및 기타 필요한 소프트웨어를 설치하고 구성합니다.
• EKS(Elastic Kubernetes Service)를 사용하여 AWS에서 Kubernetes 클러스터 초기화 작업을 단순화합니다.
• 프로덕션에서 ML 모델을 자동화하고 관리하기 위한 Kubernetes 파이프라인을 생성하고 배포합니다.
• 병렬로 실행되는 여러 GPU 및 머신에서 ML 모델을 훈련하고 배포합니다.
• 다른 AWS 관리형 서비스를 활용하여 ML 애플리케이션을 확장합니다.

대한민국에서 진행되는 이 강사 주도 라이브 교육(온라인 또는 현장)은 Machine Learning 워크로드를 Azure 클라우드에 배포하려는 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Azure에 Kubernetes, Kubeflow 및 기타 필요한 소프트웨어를 설치하고 구성합니다.
• AKS(Azure Kubernetes Service)를 사용하여 Azure에서 Kubernetes 클러스터 초기화 작업을 단순화합니다.
• 프로덕션에서 ML 모델을 자동화하고 관리하기 위한 Kubernetes 파이프라인을 생성하고 배포합니다.
• 병렬로 실행되는 여러 GPU 및 머신에서 ML 모델을 훈련하고 배포합니다.
• 다른 AWS 관리형 서비스를 활용하여 ML 애플리케이션을 확장합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Machine Learning 워크로드를 Google Cloud Platform(GCP)에 배포하려는 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• GCP 및 GKE에 Kubernetes, Kubeflow 및 기타 필요한 소프트웨어를 설치하고 구성합니다.
• GKE(Kubernetes Kubernetes Engine)를 사용하여 GCP에서 Kubernetes 클러스터를 초기화하는 작업을 단순화하세요.
• 프로덕션에서 ML 모델을 자동화하고 관리하기 위한 Kubernetes 파이프라인을 생성하고 배포합니다.
• 병렬로 실행되는 여러 GPU 및 머신에서 ML 모델을 훈련하고 배포합니다.
• 다른 GCP 서비스를 활용하여 ML 애플리케이션을 확장하세요.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Machine Learning 워크로드를 IBM Cloud Kubernetes Service(IKS)에 배포하려는 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• IBM Cloud Kubernetes Service(IKS)에 Kubernetes, Kubeflow 및 기타 필요한 소프트웨어를 설치하고 구성하십시오.
• IKS를 사용하여 IBM Cloud에서 Kubernetes 클러스터 초기화 작업을 단순화하세요.
• 프로덕션에서 ML 모델을 자동화하고 관리하기 위한 Kubernetes 파이프라인을 생성하고 배포합니다.
• 병렬로 실행되는 여러 GPU 및 머신에서 ML 모델을 훈련하고 배포합니다.
• 다른 IBM Cloud 서비스를 활용하여 ML 애플리케이션을 확장하세요.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 기계 학습 워크로드를 온프레미스 또는 하이브리드 클라우드에 배포하려는 엔지니어를 대상으로 합니다.

• 이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.
• OpenShift 클러스터에 Kubernetes 및 Kubeflow를 설치하고 구성합니다.
• OpenShift를 사용하여 Kubernetes 클러스터 초기화 작업을 단순화하세요.
• 프로덕션에서 ML 모델을 자동화하고 관리하기 위한 Kubernetes 파이프라인을 생성하고 배포합니다.
• 병렬로 실행되는 여러 GPU 및 머신에서 ML 모델을 훈련하고 배포합니다.
• OpenShift 내에서 퍼블릭 클라우드 서비스(예: AWS 서비스)를 호출하여 ML 애플리케이션 확장

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Kubernetes에서 기계 학습 워크플로를 구축, 배포 및 관리하려는 개발자와 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 온프레미스 및 클라우드에 Kubeflow를 설치하고 구성합니다.
• Docker 컨테이너 및 Kubernetes를 기반으로 ML 워크플로를 구축, 배포 및 관리합니다.
• 다양한 아키텍처와 클라우드 환경에서 전체 기계 학습 파이프라인을 실행하세요.
• Kubeflow를 사용하여 Jupyter 노트북을 생성하고 관리합니다.
• 여러 플랫폼에서 ML 훈련, 하이퍼파라미터 튜닝, 워크로드 제공을 구축하세요.

DevOps 기초 과정은 모든 사람이 동일한 언어로 말할 수 있도록 주요 DevOps 용어에 대한 기본 이해를 제공하고 조직의 성공을 지원하는 DevOps의 이점을 강조합니다.

다루는 과정 주제에는 DevSecOps가 비즈니스 가치를 제공하고 비즈니스 기회를 강화하며 기업 가치를 향상시키는 방법이 포함됩니다. 가르친 핵심 DevSecOps 원칙은 조직 혁신을 지원하고, 생산성을 높이고, 위험을 줄이고, 리소스 사용을 최적화할 수 있습니다.

이 과정은 문화 변화의 인간 역학을 강조하고 참가자들에게 실제 시나리오와 사례 연구를 통해 DevOps 스펙트럼에 걸쳐 사람들을 참여시킬 수 있는 실습, 방법 및 도구를 제공합니다. 과정이 완료되면 참가자는 가치 흐름 매핑 이해 등 사무실로 돌아와 활용할 수 있는 실질적인 교훈을 얻게 됩니다.

DevSecOps 실무자는 DevSecOps 관행에 대한 보다 포괄적인 이해를 돕기 위한 다양한 사례를 소개합니다. 올바른 인재 조합 찾기, 가치 가속화를 위한 프로세스 구축, 현재 이용 가능한 기술 옵션 비교를 통해 실질적인 결과를 탐색해 보세요. DevSecOps 기술과 인식을 향상시키려는 최근 변화된 조직을 위해 맞춤화되었습니다.

이 과정은 지속적인 통합, 지속적인 전달, 지속적인 테스트 및 잠재적인 지속적인 배포를 지원하는 DevOps 배포 파이프라인 및 도구 체인의 설계, 구현 및 관리에 참여하는 참가자를 위해 설계되었습니다. 이 과정에서는 Continuous Delivery를 통한 기본 프로세스, 측정항목, APl 및 문화적 고려 사항을 강조합니다.

테스트를 최적화하고 더 빠르게 테스트하면서 여전히 좋은 품질과 일관되고 안정적인 결과를 얻는 방법을 알아보세요.

가치 흐름 관리 원칙, 관행 및 도구를 소개합니다. 디지털 가치 흐름의 가치 흐름과 실현을 최적화하고 개인의 기술을 개발하도록 설계되었습니다. 디지털 가치 흐름에는 이를 지원하는 플랫폼(예: 클라우드 인프라 또는 DevOps 도구 체인) 외에도 소프트웨어 애플리케이션 및 서비스가 포함됩니다.