트랙 설명

프로덕션에서의 머신 러닝 in Python

집중된 기술 트랙으로 머신 러닝 실력을 프로덕션 수준으로 끌어올리세요. 데이터 과학자와 머신 러닝 엔지니어 지망생을 위해 설계된 이 트랙은 머신 러닝 모델의 배포와 유지 관리를 숙달할 수 있는 간결한 경로를 제공합니다.MLOps의 기초를 익히고, 효율적인 모델 라이프사이클 관리를 위한 전략까지 배워보세요. 가장 인기 있는 MLOps 도구 중 하나인 MLflow를 통해 머신 러닝 모델의 배포와 추적을 인터랙티브하게 익히고, 배운 기술을 실습 프로젝트에 적용해 보세요.이 트랙은 배포된 모델을 유지하고 모니터링하는 능력을 더욱 향상시켜, 변화하는 데이터 환경 속에서도 모델이 최적의 성능을 지속하도록 보장합니다. 또한 Data Version Control(DVC)을 사용해 데이터를 버전 관리하는 실질적인 이점을 살펴보고, 머신 러닝 프로젝트를 효과적으로 관리하고 버전 관리하는 방법도 알아보게 됩니다.이 기술 트랙을 마치면 머신 러닝 모델을 배포, 모니터링, 관리하는 데 능숙해져, 어떤 조직에서든 ML 애플리케이션을 성공적으로 구현할 수 있게 됩니다.

선수 조건

이 트랙에는 선수 조건이 없습니다

Course
1
MLOps 개념
MLOps가 어떻게 머신러닝 모델을 로컬 노트북에서 실제 비즈니스 가치를 창출하는 운영 환경의 실행 가능한 모델로 전환하는지 알아보세요.
Course
2
MLflow 소개
MLflow로 머신러닝 애플리케이션 개발을 단순화하세요. MLflow tracking, projects, models, model registry를 탐색합니다.
Project
보너스
Predicting Temperature in London
Perform a machine learning experiment to find the best model that predicts the temperature in London!
Course
4
Monitoring Machine Learning 개념
프로덕션 환경의 머신러닝 모델 모니터링 과제(데이터·컨셉 드리프트)와 모델 성능 저하를 해결하는 방법을 학습합니다.
Course
5
Python으로 Machine Learning 모니터링
이 과정은 Python으로 기본 머신 러닝 모니터링 시스템을 구축하는 데 필요한 모든 내용을 다룹니다.
Course
6
DVC로 배우는 데이터 버저닝 입문
ML 데이터 관리용 Data Version Control을 탐색하세요. 설정을 익히고, 파이프라인을 자동화하며, 모델을 원활하게 평가합니다.

프로덕션에서의 머신 러닝 in Python

5 강의

트랙
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

프로덕션에서의 머신 러닝 in Python

팀을 교육하시나요?

트랙 설명