DevOps 구현

귀사의 엔지니어링 조직이 성장하여 이제 Data Engineer, Machine Learning Engineer, Software Developer가 함께 일하고 있어요. 모든 팀이 긴밀하게 협업하길 원하며, MVP 접근 방식(기본 기능을 먼저 만들고 이후 기능을 추가)을 사용하길 바랍니다. 아래 방법론 중 어떤 것을 도입해야 할까요?

devops is a combination of quality assurance, software development, and IT Operations. DataOps is composed of Data Quality, Data Engineering, and Data Integration. MLOps contains ML Model training, Machine Learning, and Model Maintenance.

이 연습은 강의의 일부입니다

DevOps 개념

실습형 인터랙티브 연습문제

이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요

이 연습은 강의의 일부입니다

DevOps 개념

SkillTag.level.beginnerSkillTag.label

4.8+

무료로 강의 시작하기

이 장에서는 DevOps가 무엇인지, 그 원칙은 무엇인지, 그리고 어떤 이점을 제공하는지 살펴봅니다. 또한 다양한 유형의 소프트웨어 개발에 DevOps가 어떻게 적용되는지도 알아봅니다. 마지막으로 프로젝트 관리의 기초를 훑어보며 여러 접근 방식을 비교하고, 이들이 DevOps와 결합되어 조직에 큰 가치를 어떻게 가져오는지 확인합니다.

Exercise 1: DevOps란 무엇인가요?Exercise 2: DevOps의 이점 Exercise 3: DevOps의 특징 Exercise 4: DevOps 활용 사례 Exercise 5: 어떤 엔지니어일까요?Exercise 6: 올바른 모델 선택하기 Exercise 7: DevOps 구현

현재 연습

Exercise 8: DevOps를 위한 프로젝트 관리 방법론 Exercise 9: 프로젝트 관리 프레임워크 Exercise 10: 최적의 프로젝트 관리 프레임워크를 결정하는 요소 Exercise 11: 최적의 프로젝트 관리 모델 선택하기

이 장에서는 IT 인프라의 주요 구성 요소, 변경 관리, 그리고 소프트웨어 아키텍처를 소개합니다. 온라인 제품이 어떻게 여러 요소로 구성되고 상호작용하는지, 그리고 팀이 DevOps 변경 관리 모델에서 어떻게 협업하는지 살펴봅니다. 또한 DevOps의 핵심 요소들을 자세히 탐구합니다. 이 장을 마치면 아키텍처 설계와 같은 복잡한 소프트웨어 엔지니어링 문제를 다룰 수 있는 역량을 갖추고, 온라인 제품을 더 안전하고 빠르게 개선할 수 있게 됩니다.

Exercise 1: DevOps 변경 관리 모델 Exercise 2: DevOps 주기의 구성 요소 Exercise 3: DevOps 사이클에서의 데이터 엔지니어링 Exercise 4: 주요 소프트웨어 아키텍처 시스템 Exercise 5: 움직이는 데이터 Exercise 6: 아키텍처 의사 결정하기 Exercise 7: 현대 IT 인프라 개념 Exercise 8: IT 인프라 구성 요소 Exercise 9: 변경 관리 구성 요소 Exercise 10: DevOps의 핵심 요소 Exercise 11: CI/CD 파이프라인 Exercise 12: DevOps 개념 vs. 일반 인프라 개념

이제 데이터 엔지니어의 시각에서 DevOps를 탐색하는 여정을 시작합니다. 데이터 엔지니어링 관점에서 DevOps 아키텍처가 무엇을 의미하는지 살펴봅니다. 더 나아가 데이터 파이프라인과 관련된 핵심 개념, 그리고 이것이 마이크로서비스 아키텍처에서 어떻게 활용되는지도 알아봅니다. 데이터 파이프라인을 학습한 뒤에는 Data Scientist의 관점에서 보고, 리포팅 측면에서 DevOps를 살펴봅니다. 마지막으로 DevOps 도구 생태계를 살펴보고, DevOps에 널리 사용되는 주요 도구들을 논의합니다.

Exercise 1: DevOps 아키텍처가 데이터 엔지니어링에 미치는 영향 Exercise 2: 마이크로서비스 vs. 모놀리식 아키텍처 Exercise 3: 마이크로서비스를 위한 데이터 엔지니어링 Exercise 4: 데이터 파이프라인 Exercise 5: 주요 데이터 작업 Exercise 6: 배치 처리 vs. 스트리밍 처리 Exercise 7: DevOps로 하는 분석과 리포팅 Exercise 8: 변경 관리 지표 Exercise 9: DevOps를 위한 리포팅 아키텍처 Exercise 10: 도구: 에코시스템 Exercise 11: 아키텍처 시스템과 도구 Exercise 12: DevOps 주기의 도구 Exercise 13: 데이터 파이프라인 자동화

마지막 장에서는 DevOps가 높은 데이터 품질을 보장하는 데 어떻게 기여하는지 살펴봅니다. 또한 소프트웨어의 품질과 신뢰성에 대해서도 알아봅니다. 끝으로 DevOps를 가능하게 하는 문화적 개념을 살펴봅니다. 그다음 지금까지 배운 내용을 하나로 정리하여 DevOps의 역량을 충분히 갖추실 수 있도록 합니다.

Exercise 1: DevOps로 데이터 품질 표준 보장하기 Exercise 2: 데이터 품질 Exercise 3: 데이터 품질 요소 Exercise 4: Observability와 신뢰성 Exercise 5: 관측 가능성 vs. 테스트 Exercise 6: 신뢰성 높이기 Exercise 7: DevOps의 문화적 개념 Exercise 8: 문화적 개념 Exercise 9: 사고에 대응하기 Exercise 10: 모든 내용을 하나로 잇기 Exercise 11: DevOps의 이점 Exercise 12: DevOps 사이클 Exercise 13: 축하드립니다!