Training
Contact
News
About Us
Member




Databricks > Machine Learning

머신러닝 운영

본 과정은 참가자들에게 MLOps 및 모델 라이프사이클 관리에 중점을 둔 머신러닝 모델 운영에 대한 포괄적인 탐구를 안내합니다. 초기 단계에서는 필수적인 MLOps 구성 요소와 모범 사례를 다루어 참가자들이 머신러닝 모델을 효과적으로 운영화할 수 있는 탄탄한 기반을 마련합니다. 과정 후반부에서는 모델 라이프사이클의 기본 원리를 심층적으로 살펴보고, 효율적인 모델 관리를 위해 Unity catalog와 연계된 Model Registry를 활용하여 이를 원활하게 관리하는 방법을 시연합니다. 과정 종료 시 참가자들은 MLOps 원칙에 대한 실용적인 통찰력과 포괄적인 이해를 얻게 되며, 복잡한 머신러닝 모델 운영 환경을 탐색하는 데 필요한 기술을 갖추게 될 것입니다.

1,450,000

선수지식

머신러닝의 기본 개념에 대한 이해, MLflow 추적에 대한 이해, Databricks 워크스페이스 및 노트북 사용 경험, Python 중급 수준의 지식

교육목표

- DataOps, DevOps, ModelOps 프레임워크 내에서 현대적인 머신러닝 운영 설명
- MLOps 활동을 Databricks에서 제공하는 기능 및 도구와 연계하고, 머신러닝 라이프사이클 내에서의 실제 적용 사례를 탐구
- 모범 사례 및 권장 도구를 따라 Databricks에서 머신러닝 프로젝트 설정 및 실행을 포함한 기본 머신러닝 운영 설계 및 구현
- Databricks 상의 MLOps 솔루션 구현 및 모니터링 기능을 상세히 설명

강의내용

- 현대적 MLOps
- MLOps 정의
- Databricks에서의 MLOps
- Asset Bundles 활용하기

MLOps 솔루션 아키텍처
- 소개
- 권장 방식이 반영된 MLOps 원칙
- 권장 MLOps 아키텍처
- Databricks CLI를 활용한 모델 테스트 작업

MLOps 솔루션 구현 및 모니터링
- 소개
- MLOps 스택 구현
- 모델 모니터링 유형
- 머신러닝에서의 모니터링
- Lakehouse 모니터링 대시보드