MLOps

강좌 개요

이 강좌는 roadmap.sh의 MLOps 로드맵을 따라 학습한 머신러닝 모델을 실제 서비스로 배포하고 운영하는 전 과정을 다룹니다. 로드맵이 제시하는 프로그래밍 기초 → 머신러닝 기초 → 데이터 엔지니어링 기초 → MLOps 원칙 → MLOps 구성요소의 흐름을 여섯 레슨으로 나누며, 실험 추적과 모델 레지스트리, 모델 패키징과 서빙, 버전 관리와 CI/CD, 오케스트레이션, 모니터링과 코드형 인프라를 MLflow와 Docker 기반으로 직접 실행해 확인합니다. 다루지 않는 것은 모델 알고리즘 자체의 심화와 클라우드 벤더별 매니

선수 지식

• machine-learning

레슨 구성

• 01. 강좌 개요 (1장. 강좌 소개)
• 02. MLOps가 필요한 이유와 실습 환경 (2장. MLOps가 필요한 이유와 실습 환경)
• 03. 데이터 파이프라인의 기초 (2장. MLOps가 필요한 이유와 실습 환경)
• 04. 실험 추적과 모델 레지스트리 (3장. 실험 추적과 모델 레지스트리)
• 05. 모델 패키징과 서빙 (3장. 실험 추적과 모델 레지스트리)
• 06. 버전 관리와 CI/CD, 오케스트레이션 (4장. 버전 관리와 CI/CD, 오케스트레이션)
• 07. 모니터링·관측성과 코드형 인프라 (4장. 버전 관리와 CI/CD, 오케스트레이션)

실습 안내

• 본 강좌의 실습 코드는 브라우저 및 로컬 런타임에서 직접 수정하고 실행할 수 있습니다.