After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
비즈니스를 위한 MLOps 알아보기
MLOps의 핵심 개념과 실습 문제를 익히고, 머신 러닝 애플리케이션을 자동화하고 확장하기 위한 새로운 도구와 기법을 배워보세요.머신 러닝 모델 개발은 예전에는 시간이 오래 걸리는 수작업이었고, 대부분의 모델은 결국 실제 운영 환경에 배포되지 못했습니다. MLOps를 통해 기업은 머신 러닝 모델의 설계, 개발, 운영을 효과적으로 확장하고 자동화할 수 있습니다.비즈니스에서 머신 러닝 운영을 활용하는 방법 배우기
이 강의는 MLOps가 무엇인지, 그리고 이를 활용해 완전히 성숙한 머신러닝 기업으로 성장하는 방법을 알려드립니다. MLOps의 요구 사항, 관련 도구, 기법, 그리고 참여하는 사람들에 대해 배우고, 흔히 발생하는 함정을 피하는 방법도 익히게 됩니다.먼저 MLOps의 핵심 요소와, 여러 머신 러닝 애플리케이션을 설계, 개발, 운영하려는 기업에 왜 이것이 중요한지 배우게 됩니다.MLOps 라이프사이클 살펴보기
다음으로, 설계부터 개발, 배포, 운영까지 MLOps의 전체 라이프사이클을 살펴보게 됩니다. 3장에서는 머신 러닝 모델을 실습 문제에 배포할 때의 주요 과제와 위험에 대해 배우게 됩니다.마지막으로, 실제 환경에서 MLOps를 성공적으로 구현하기 위한 모범 사례와 사례 연구를 살펴보게 됩니다.강의가 끝날 무렵에는 머신 러닝 애플리케이션을 대규모로 설계, 개발, 운영하는 방법을 깊이 이해하게 되며, 머신 러닝이 비즈니스에 미치는 영향을 활용할 수 있게 됩니다.사전 요구 사항
커리큘럼
코스 개요
1
MLOps 소개
1장에서는 여러 개의 Machine Learning 애플리케이션을 동시에 설계·개발·운영하려는 기업에 왜 MLOps가 필요한지 소개합니다. 확장과 자동화 같은 MLOps의 핵심 요소, 그 이점, 그리고 여전히 어려운 이유를 살펴봅니다. 또한 기술적·관리적 관점에서 MLOps 여정을 시작하려면 무엇이 필요한지도 알아봅니다.
2
MLOps 라이프사이클
2장에서는 설계부터 개발, 배포, 운영에 이르는 전체 MLOps 라이프사이클을 학습합니다. 생산성 높은 Machine Learning 애플리케이션에서 모니터링이 왜 필수인지, 그리고 왜 Machine Learning 모델을 정기적으로 재학습해야 하는지도 살펴봅니다.
3
MLOps: 이론에서 실전으로
3장에서는 이론을 넘어 실전으로 나아가 Machine Learning 모델 배포의 주요 과제와 위험을 파악합니다. 또한 MLOps 팀이 어떻게 성공적으로 운영하는지, 그리고 경영진이 Machine Learning의 확장을 뒷받침하기 위해 무엇을 할 수 있는지도 배웁니다.
4
현장에서의 MLOps
마지막 장에서는 모범 사례와 피해야 할 함정을 중심으로 비즈니스에서 MLOps 여정을 성공적으로 시작하는 방법을 보여 드립니다. 끝으로 MLOps 성숙도의 다양한 수준을 살펴보고, 중요한 운영 프로세스를 위한 Machine Learning 애플리케이션을 설계·개발·운영한 실제 사례 연구로 강의를 마무리합니다.
R
비즈니스를 위한 MLOps
코스
완료
