Machine Learning 모델을 모니터링하다 보면 성능이 떨어져 재학습이 필요할 수 있어요.
Machine Learning 모델을 재학습해야 하는 이유가 아닌 것은 무엇인가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
먼저 MLOps의 핵심 특징을 학습해요. 머신 러닝 라이프사이클과 그 단계, 그리고 MLOps 프로세스에 연관된 역할을 살펴봅니다.
다음으로 머신 러닝 라이프사이클의 설계 및 개발 단계를 학습해요. 부가가치 추정, 데이터 품질, Feature Store, 실험 추적을 살펴봅니다.
이 장에서는 런타임 환경, 컨테이너화, CI/CD 파이프라인, 배포 전략 등 머신 러닝을 운영 환경에 배포하는 데 필요한 개념을 다룹니다.
마지막으로 운영 환경에서 머신 러닝을 유지 관리하는 방법을 학습해요. 통계적·계산적 모니터링, 재학습, MLOps 성숙도 단계, 그리고 머신 러닝 라이프사이클에서 프로세스를 단순화하는 데 사용할 수 있는 도구를 알아봅니다.
현재 연습
