Azure Machine Learning을 위한 MLOps 교육 과정

대한민국에서 강사가 진행하는 이 라이브 교육(온라인 또는 현장)은 중급~고급 수준의 경험을 보유한 고급 AI 엔지니어 및 데이터 과학자를 대상으로 하며 DeepSeek 모델 성능을 향상시키고 대기 시간을 최소화하며 최신 MLOps 방식을 사용하여 AI 솔루션을 효율적으로 배포하고자 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• 효율성, 정확성 및 확장성을 위해 DeepSeek 모델을 최적화합니다.
• MLOps 및 모델 버전 관리를 위한 모범 사례를 구현합니다.
• 클라우드 및 온프레미스 인프라에 DeepSeek 모델을 배포합니다.
• AI 솔루션을 효과적으로 모니터링, 유지 관리하고 확장합니다.

이 교육은 참가자가 Microsoft Azure 솔루션 설계 기술을 향상시킬 수 있도록 합니다.

교육 후 참가자는 Azure 서비스의 기능과 역량을 이해하고, 장단점을 식별하며 공용 및 하이브리드 클라우드 솔루션 설계를 위한 결정을 내릴 수 있게 됩니다.

교육 중에는 필요한 기능적, 운영적, 배포 요구사항을 충족시키는 적절한 인프라스트럭처 및 플랫폼 솔루션이 솔루션의 생애 주기를 통해 정의됩니다.

이 교육은 대한민국(온라인 또는 온사이트)에서 진행되며, Microsoft Azure Service Fabric (ASF)을 사용하여 마이크로서비스를 구축하길 원하는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음과 같은 능력을 갖추게 됩니다:

• ASF를 마이크로서비스 구축 및 관리 플랫폼으로 사용합니다.
• 마이크로서비스 프로그래밍의 핵심 개념과 모델을 이해합니다.
• Azure에서 클러스터를 만듭니다.
• 현장 또는 클라우드에 마이크로서비스를 배포합니다.
• 실시간 마이크로서비스 애플리케이션을 디버그하고 문제 해결합니다.

Azure Bot Service는 Microsoft Bot Framework와 Azure 함수의 힘을 결합하여 지능형 봇의 신속한 개발을 가능하게 합니다.

이 강사는 직접 지도하는 라이브 트레이닝에서 참가자들은 Microsoft Azure를 사용하여 지능형 봇을 쉽게 만들 수 있습니다.

이 강의가 끝난 후 참가자들은 다음을 할 수 있게 됩니다:

• 지능형 봇의 기초를 학습합니다
• 클라우드 애플리케이션을 사용하여 지능형 봇을 만들 수 있습니다
• Microsoft Bot Framework, Bot Builder SDK, Azure Bot Service를 사용하는 방법을 이해합니다
• 봇 패턴을 사용하여 봇을 설계하는 방법을 이해합니다
• Microsoft Azure를 사용하여 첫 번째 지능형 봇을 개발합니다

대상

• 개발자
• 취미자
• 공학자
• IT 전문가

강의 형식

• 강의와 토론, 연습, 그리고 많은 실습

이 강사 주도, 실습형 교육은 대한민국 (현장 또는 원격)에서 참가자들이 샘플 클라우드 애플리케이션을 만들면서 Microsoft Azure의 기본 개념, 구성 요소, 서비스에 대해 배울 수 있습니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Microsoft Azure의 기본 사항을 이해합니다
• Azure의 다양한 도구와 서비스를 이해합니다
• Azure를 사용하여 클라우드 애플리케이션을 만드는 방법을 배웁니다

Internet of Things (IoT)은 물리적 객체와 소프트웨어 애플리케이션을 무선으로 연결하여 네트워크 통신, 클라우드 컴퓨팅, 데이터 캡처를 통해 서로 통신하고 데이터를 교환할 수 있는 네트워크 인프라입니다. Azure은 개발자가 IoT 프로젝트 개발을 가속화하는 데 도움이 되는 사전 구성된 솔루션으로 구성된 IoT Suite를 제공하는 포괄적인 클라우드 서비스 세트입니다.

강사가 진행하는 이 실시간 교육에서 참가자는 Azure을 사용하여 IoT 애플리케이션을 개발하는 방법을 배웁니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• IoT 아키텍처의 기본을 이해하세요
• Azure IoT Suite 설치 및 구성
• IoT 시스템 프로그래밍에 Azure을 사용하는 이점에 대해 알아보세요.
• 다양한 Azure IoT 서비스(IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management) 구현
• Azure을 사용하여 IoT 시스템을 빌드, 테스트, 배포 및 문제 해결

청중

• 개발자
• 엔지니어

과정 형식

• 일부 강의, 일부 토론, 연습 및 집중적인 실습

메모

• 이 과정에 대한 맞춤형 교육을 요청하려면 당사에 연락하여 준비하세요.

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 서비스)를 사용하여 온프레미스와 클라우드에서 Kubeflow을 설치하고 구성합니다.
• Docker 컨테이너와 Kubernetes를 기반으로 ML 워크플로를 구축, 배포 및 관리합니다.
• 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 Kubernetes에서 기계 학습 워크플로를 구축, 배포 및 관리하려는 개발자와 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 온프레미스 및 클라우드에 Kubeflow을 설치하고 구성합니다.
• Docker 컨테이너와 Kubernetes를 기반으로 ML 워크플로를 구축, 배포 및 관리합니다.
• 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 강사가 진행하는 이 실시간 교육(온라인 또는 현장)에서 참가자는 AKS에서 Kubernetes를 사용하여 프로덕션 규모 컨테이너 환경을 설정하고 관리하는 방법을 배웁니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• AKS에서 Kubernetes를 구성하고 관리합니다.
• Kubernetes 클러스터를 배포, 관리 및 확장합니다.
• Azure에 컨테이너화된(Docker) 애플리케이션을 배포합니다.
• 온프레미스에서 AKS 클라우드로 기존 Kubernetes 환경을 마이그레이션합니다.
• Kubernetes를 타사 지속적 통합(CI) 소프트웨어와 통합합니다.
• Kubernetes에서 높은 가용성과 재해 복구를 보장합니다.

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 배포합니다.
• 여러 사용자가 프로젝트에서 공동 작업할 수 있도록 ML 배포 프로세스를 확장합니다.
• ML 모델을 실험, 재현, 배포하기 위한 중앙 레지스트리를 설정합니다.

이 강사는 온라인 또는 현장에서 직접 교육을 통해 조직 내 MLOps 채택을 위한 최신 접근법과 도구를 평가하고 싶은 엔지니어를 대상으로 합니다.

이 교육을 마친 후 참가자는 다음과 같은 작업을 수행할 수 있습니다:

• 다양한 MLOps 프레임워크와 도구를 설치하고 구성합니다.
• MLOps 시스템을 구축하고 지원하기 위해 적절한 팀과 기술을 갖추는 방법을 학습합니다.
• ML 모델을 사용하여 데이터를 준비, 검증 및 버전 관리합니다.
• ML 파이프라인의 구성 요소와 이를 구축하는 데 필요한 도구를 이해합니다.
• 다양한 머신러닝 프레임워크와 서버를 사용하여 생산 환경에 배포합니다.
• 머신러닝 과정을 재현 가능하고 유지 가능하게 운영화합니다.