연락처 정보

코스 개요

도커를 이용한 AI 추론 소개

  • AI 추론 워크로드 이해
  • 컨테이너화된 추론의 장점
  • 배포 시나리오 및 제약 사항

AI 추론 컨테이너 구축

  • 기본 이미지 및 프레임워크 선택
  • 사전 훈련된 모델 패키징
  • 컨테이너 실행을 위한 추론 코드 구조화

컨테이너화된 AI 서비스 보안

  • 컨테이너 공격 표면 최소화
  • 시크릿 및 민감 파일 관리
  • 안전한 네트워킹 및 API 노출 전략

이동 가능한 배포 기법

  • 이동성을 위한 이미지 최적화
  • 예측 가능한 런타임 환경 보장
  • 플랫폼 간 의존성 관리

로컬 배포 및 테스트

  • 도커를 사용하여 서비스 로컬 실행
  • 추론 컨테이너 디버깅
  • 성능 및 신뢰성 테스트

서버 및 클라우드 VM에 배포

  • 원격 환경을 위한 컨테이너 적응
  • 보안 서버 액세스 구성
  • 클라우드 VM에서 추론 API 배포

다중 서비스 AI 시스템을 위한 도커 컴포즈 사용

  • 지원 구성 요소와 함께 오케스트레이션되는 추론
  • 환경 변수 및 구성 관리
  • 컴포즈를 이용한 마이크로서비스 확장

AI 추론 서비스 모니터링 및 유지보수

  • 로깅 및 관찰 가능성 접근 방식
  • 추론 파이프라인에서 장애 감지
  • 프로덕션 환경에서의 모델 업데이트 및 버전 관리

요약 및 다음 단계

요건

  • 기본 머신러닝 개념 이해
  • Python 또는 백엔드 개발 경험
  • 기초 컨테이너 개념에 대한 친숙함

대상

  • 개발자
  • 백엔드 엔지니어
  • AI 서비스 배포 팀
 14 시간

참가자 수


참가자별 가격

회원 평가 (3)

예정된 코스

관련 카테고리