전통적 소프트웨어 vs. MLOps

전통적 소프트웨어는 Machine Learning 애플리케이션보다 입력 데이터에 훨씬 덜 의존하며, 결과도 보통 결정적이어서 예측이 가능합니다. 따라서 Machine Learning 모델을 운영하고 모니터링하는 일은 훨씬 더 어렵습니다.

이 연습은 강의의 일부입니다

비즈니스를 위한 MLOps

실습형 인터랙티브 연습문제

이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요

이 연습은 강의의 일부입니다

비즈니스를 위한 MLOps

SkillTag.level.beginnerSkillTag.label

4.9+

무료로 강의 시작하기

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.

Exercise 1: MLOps란 무엇인가요?Exercise 2: MLOps: a set of practices to ...Exercise 3: MLOps의 특징은 무엇인가요?Exercise 4: 비즈니스 관점에서 본 MLOps의 근거 Exercise 5: MLOps와 관련된 분야 Exercise 6: MLOps에 투자하는 방법 Exercise 7: MLOps에 투자해야 하는 이유 Exercise 8: MLOps의 토대 다지기 Exercise 9: MLOps 팀 구성원 Exercise 10: MLOps의 전제 조건 Exercise 11: MLOps의 핵심 요소

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.

Exercise 1: MLOps, 처음부터 끝까지 알아보기 Exercise 2: 중요한 MLOps 라이프사이클 10단계 Exercise 3: MLOps 애플리케이션의 주요 단계 Exercise 4: MLOps 주요 단계에서의 핵심 작업 Exercise 5: 설계 단계 Exercise 6: 설계 단계 작업을 미루기 Exercise 7: 성공을 위한 청사진: MLOps 프로젝트 설계 Exercise 8: 개발 단계 Exercise 9: 개발 작업 Exercise 10: 개발 단계의 역할 Exercise 11: MLOps 애플리케이션의 모니터링, 재학습, 교체 Exercise 12: MLOps 라이프사이클의 특성 Exercise 13: MLOps 유스 케이스 개발에서 개인별 책임 Exercise 14: MLOps 라이프사이클

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.

Exercise 1: MLOps와 관련된 비즈니스 과제와 위험 Exercise 2: MLOps가 어려운 이유는 무엇인가요?Exercise 3: 전통적 소프트웨어 vs. MLOps

현재 연습

Exercise 4: 잠재적인 MLOps 비즈니스 리스크 Exercise 5: MLOps 팀은 어떻게 성공적으로 운영하나요 Exercise 6: DevOps 스타일 팀 Exercise 7: MLOps 구현의 과제 Exercise 8: 오늘날 MLOps의 현황 Exercise 9: MLOps에 대한 잘못된 진술 Exercise 10: MLOps가 어려운 이유

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.

Exercise 1: 비즈니스가 완전한 MLOps 준비 상태가 되는 방법 Exercise 2: 유효한 MLOps KPI Exercise 3: 배포 성숙도 순서 정하기 Exercise 4: MLOps 성숙도 Exercise 5: MLOps 모범 사례와 함정 Exercise 6: 무엇을 테스트해야 할까요?Exercise 7: (반드시) 최선의 방법은 아니다 Exercise 8: MLOps 사례 연구: MLOps로 수익 증대하기 Exercise 9: 사례 연구의 핵심 포인트 Exercise 10: 마무리