머신 러닝 엔지니어

Python scikit-learn으로 머신 러닝 실력을 향상시키고, 실전 데이터 세트로 강력한 예측 능력을 키워보세요!

MLOps가 어떻게 머신러닝 모델을 로컬 노트북에서 실제 비즈니스 가치를 창출하는 운영 환경의 실행 가능한 모델로 전환하는지 알아보세요.

The Unix command line helps users combine existing programs in new ways, automate repetitive tasks, and run programs on clusters and clouds.

Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.

이 과정에서는 최신 MLOps 프레임워크를 배우고, 머신러닝 모델의 라이프사이클과 배포 과정을 탐구합니다.

MLflow로 머신러닝 애플리케이션 개발을 단순화하세요. MLflow tracking, projects, models, model registry를 탐색합니다.

Perform a machine learning experiment to find the best model that predicts the temperature in London!

추출(Extract), 변환(Transform), 로드(Load) 원칙을 활용하여 효과적이고 성능이 우수하며 신뢰할 수 있는 데이터 파이프라인 구축 방법을 익히세요.

Python의 Great Expectations 라이브러리로 데이터 사이언스·데이터 엔지니어링 워크플로에서 높은 데이터 품질을 보장하세요.

ML 데이터 관리용 Data Version Control을 탐색하세요. 설정을 익히고, 파이프라인을 자동화하며, 모델을 원활하게 평가합니다.

프로덕션 환경의 머신러닝 모델 모니터링 과제(데이터·컨셉 드리프트)와 모델 성능 저하를 해결하는 방법을 학습합니다.

이 과정은 Python으로 기본 머신 러닝 모니터링 시스템을 구축하는 데 필요한 모든 내용을 다룹니다.

Docker에 대한 소개를 얻고 데이터 전문가의 도구 모음에서 그 중요성을 알아보세요. Docker 컨테이너, 이미지 등에 대해 알아보세요.

Elevate your Machine Learning Development with CI/CD using GitHub Actions and Data Version Control