Git
- 버전 관리 소개: 협업 환경에서 버전 관리의 중요성 이해
- Git 기본: 초기화, 클론, 커밋, 푸시, 풀
- 브랜치 및 병합 전략: 효율적인 협업 기법
- 실습: 저장소 생성 및 관리
CI/CD
- CI/CD 개념 소개: 지속적 통합 및 배포의 기본
- 도구 개요: GitHub Actions
- 실습: GitHub Actions 활용
- 실습: GitHub Actions로 CI/CD 파이프라인 구축
Docker
- 컨테이너 기술 소개: 컨테이너화 개념 이해
- Docker 아키텍처 및 구성 요소
- Docker 이미지 및 컨테이너 생성 및 관리
- Dockerfile 기본: Dockerfile 작성법
- 실습: 간단한 애플리케이션 컨테이너화
Kubernetes
- 컨테이너 오케스트레이션 소개: Kubernetes 기본
- Kubernetes 아키텍처 및 구성 요소
- 실습: Kubernetes에서 애플리케이션 배포
Cloudera AI 소개
- Cloudera AI 개요: 주요 기능 및 역량 소개
- Cloudera AI 환경 탐색
- 실습: 프로젝트 생성 및 관리
Cloudera AI에서의 실험
- MLflow 개요: 핵심 개념 및 Cloudera AI와의 통합
- Cloudera AI에서의 실험 관리
- 실습: MLflow를 활용한 MLOps
AI Registry
- 개요: AI Registry 개념 소개
- 온보딩 가이드: 모델 등록 단계별 안내
- 아키텍처 개요: AI Registry 구조 이해
Cloudera AI API 활용
- Cloudera AI API 개요: 플랫폼과의 프로그래밍 기반 상호작용
- Cloudera AI API 사용법: 프로젝트, 작업, 모델, 애플리케이션 관리
- 실습: Cloudera AI API Python 클라이언트 활용
Cloudera AI에서의 MLOps
- MLOps 소개: 핵심 개념 및 원칙
- MLOps 워크플로우: 개발부터 운영까지
- 주요 과제 및 모범 사례
- 실습:
환경 연결 및 설정
데이터 수집, 탐색 및 모델 학습
모델 배포 및 운영
모델 레지스트리 및 API 활용
모델 메트릭 스토어를 통한 모델 관리
머신러닝 시스템 모니터링
- Evidently AI를 활용한 지속적 모델 모니터링: 성능 추적 및 데이터 드리프트 감지
- 모델 모니터링의 중요성
- 머신러닝 시스템 모니터링의 기본 원칙 및 모범 사례
- Evidently & Cloudera AI 기반 모니터링 설계
- 실습: Evidently AI를 활용한 지속적 모델 모니터링
AI 워크벤치 구성 및 관리
- Cloudera AI Workbench 프로비저닝
- Cloudera AI Workbench 관리
- Cloudera AI 자동 확장(Auto-Scaling)
- 실습: Grafana 대시보드를 활용한 운영 모니터링
데이터 접근 및 계보(Lineage)
- SDX 개요
- 데이터 카탈로그
- 권한 관리
- 데이터 계보
- 실습: 데이터 접근
Cloudera AI에서의 데이터 시각화
- 데이터 시각화 개요
- Cloudera 데이터 시각화 개념
- Cloudera AI에서의 시각화 활용
- 실습: 시각화 애플리케이션 구축
AMPs 및 워크벤치 소개
- 에디터 및 IDE
- Git
- 내장 웹 애플리케이션
- AMPs
- 실습: Streamlit 활용
자동 확장, 성능 및 GPU 설정
- 워크로드 자동 확장
- GPU 활용
- 실습: GPU를 활용한 딥러닝
