우선 전체적인 머신러닝 서비스의 workflow를 살펴봅니다. 그 이후 각 파트 별로 학습을 하게 됩니다.
크게 데이터 파이프라인 - 데이터 버전관리
AutoML및 모델 실험 환경 할당, 모델 모니터링 - 모델 버전관리, ModelDB
모델 서빙 자동화
모델 및 파이프라인 오케스트레이션 등을 학습하게 됩니다.
ML-Ops with AutoML - 실무에서 머신러닝을 돌리는 방법
AutoML, ML, Ops
시작일
매주 2019년 10월 11일
진행일시
매주
모집현황

data-product-id="11505" data-recruit-progress="0" data-activity-progress="0"

진행장소
캠퍼스
학습대상
- 새로운 거 배우는데 쫄지 않으시는 분
- python으로 hello world, 조건문, 반복문 코딩 가능하신 분
- 머신러닝이란 소리를 어디서 주워들어 보신 분
- DB가 뭔지 들어보신 분
- 도커라는게 세상에 존재하는지는 알고 계신 분
- 머신러닝은 공부했는데 이걸로 서비스는 어떻게 만들지 감이 안 오시는 분
과목난이도

쉬움 (1단계) ~ 어려움(5단계)

학습목표
- 실제 실무에서 사용되는 머신러닝 서비스 구조를 구성해봅니다.
- 전체적인 파이프라인과 각 파트에서 필요한 기술을 사용합니다.
운영방식
우선 전체적인 워크플로우를 같이 학습하게 됩니다. 그 이후 각자 파트 별로 해당 파트에 필요한 기술을 찾아서 정리해서 발표하는 방식으로 진행합니다.
모여서 발표를 할 때는 예제와 환경을 꼭 공유하여야 하며 해당 예제로 같이 돌려보면서 실습하게 됩니다.
이 풀잎스쿨 과목에서 퍼실은 첫 시간에 발표를 맡고 대부분 진행을 보거나 토론을 조율하거나 도움을 주는 역할을 하게 됩니다.
선수지식
- 기초적인 파이썬 코딩이 가능함
- 구글링으로 새로운 기술 검색이 가능함
- 도커 이미지를 컨테이너로 띄우는 게 가능함
- DB 간단한 CRUD 개념을 알고 있음
- 머선러닝 개념을 알고 있으면 좋음(필수는 아님)
학습 및 참고자료
MLops는 교재가 따로 없습니다.
https://github.com/EthicalML/awesome-production-machine-learning 의 자료를 참고합니다.
https://mlops.org/ 의 자료를 참고합니다.
https://github.com/awesome-ML-Ops/study 의 자료를 참고합니다.
커리큘럼
/
주차 모임내용 학습자료
1 주차 전체적인 워크플로우 훑어보기 자체제작 자료
2 주차 데이터 파이프라인 기술 학습 (DVC 등) 자체 자료 및 DVC 공식 문서
3 주차 모델 버전관리 기술 학습(model DB 등) 자체 자료 및 model DB 공식 문서
4 주차 모델 모니터링 기술 학습 자체 자료 및 tensorboard 공식 문서
5 주차 모델 서빙 자동화 기술 학습(TF serving, seldon, 롤백자동화) 자체 자료 및 TF serving, seldon 공식 문서
6 주차 Auto ML (1) auto ML 개념 학습 자체 자료
7 주차 Auto ML (2) auto ML 프레임워크 학습 (adanet등) 자체 자료 및 adanet, optuna, MS NNI 등 공식문서
8 주차 Auto ML (3) cloud Auto ML 자체 자료 및 Azure, GCP Auto ML PaaS 공식문서
9 주차 ML Orchestration (kubeflow) 자체 자료 및 kubeflow 공식문서
10 주차 실습 : 머신러닝 인프라 구축 자체자료
11 주차 실습 : 머신러닝 서비스 워크플로우 세팅 자체자료
퍼실소개
윤성국

윤성국

윤성국 퍼실 소개 :
1년 반 정도 머신러닝 모델러 겸 엔지니어로 일하면서 투자뉴스 분석 서비스, 시스템 트레이딩 및 금융분석 서비스 등 여러가지 프로젝트를 진행한 경험이 있습니다.
그런 프로젝트를 수행할 때마다 느낀 불편한 점이 중간 중간 수작업이 계속 들어가야 한다는 것 이었습니다.
그럴 때마다 자동화가 가능한 것은 직접 자동화 툴을 만들거나 버전관리 도구를 만들기도 하였습니다.
그러다 MLops라는 개념을 알게 되었고 제가 했던 작업들이 MLops에 있어서 중요한 작업이라는 것을 깨닫고 MLops에 관심을 가지기 시작했습니다.
모두의 연구소 Meani.mo를 통해 공부를 하면서 많은 분들이 MLops를 공부하고 싶어한다는 것을 깨닫게 되었습니다.

윤성국 퍼실 소개 :
1년 반 정도 머신러닝 모델러 겸 엔지니어로 일하면서 투자뉴스 분석 서비스, 시스템 트레이딩 및 금융분석 서비스 등 여러가지 프로젝트를 진행한 경험이 있습니다.
그런 프로젝트를 수행할 때마다 느낀 불편한 점이 중간 중간 수작업이 계속 들어가야 한다는 것 이었습니다.
그럴 때마다 자동화가 가능한 것은 직접 자동화 툴을 만들거나 버전관리 도구를 만들기도 하였습니다.
그러다 MLops라는 개념을 알게 되었고 제가 했던 작업들이 MLops에 있어서 중요한 작업이라는 것을 깨닫고 MLops에 관심을 가지기 시작했습니다.
모두의 연구소 Meani.mo를 통해 공부를 하면서 많은 분들이 MLops를 공부하고 싶어한다는 것을 깨닫게 되었습니다.



풀잎스쿨 신청 및 결제를 위해서 로그인을 해주세요