이런 것을 배울 수 있어요
MLflow로 실험을 체계적으로 관리하고 모델을 버전 관리할 수 있습니다
Kubernetes로 ML 서비스를 확장 가능하게 배포할 수 있습니다
모델 드리프트를 탐지하고 자동 재학습 파이프라인을 구성할 수 있습니다
강의 소개
AI 모델을 실제 서비스로 만들기 위한 MLOps 전체 파이프라인을 구축합니다.
MLflow로 실험 관리와 모델 레지스트리를 운용하고, FastAPI로 모델 서빙 API를 만들며, Kubernetes와 Triton Inference Server로 고가용성 서비스를 배포합니다.
Prometheus + Grafana로 모델 드리프트를 모니터링하고, CI/CD 파이프라인으로 자동화까지 완성합니다.
수강 전 알아두세요
- •Python 중급 이상, Docker 기초 지식
- •머신러닝/딥러닝 모델 훈련 경험
- •Linux 기본 명령어 사용 가능
태그
#MLOps#MLflow#Kubernetes#FastAPI#Triton