머신러닝, 데이터 전처리, 강의, 모델링, 부트캠프, MLOps, 서빙, AirFlow, 데이터, 교차검증
  • 데이터사이언스
  • 초급, 중급, 고급

Kaggle 1%의 머신러닝 엔지니어 소수정예 취업 코스

압도적인 경쟁력을 갖춘 머신러닝 엔지니어가 되는 길. 당신의 열정을 세상이 알 수 있게 도와드리겠습니다. 상위 1%로 향하는 머신러닝 엔지니어 취업 코스.

1기
강의 일정
24.03.18 ~ 24.06.09 (총 40회) 매주 화, 목, 토 10:00 ~ 17:00 - 오프라인, 매주 월, 수 - 온라인

국비지원과는 차원이 다른
상위 1% ML 엔지니어,
그 커리어 시작을 위한
소수 정예 양성 과정

극도의 몰입으로 압도적 성장을 이뤄내는 과정.
얼어붙은 채용 시장에서 승률을 높일 수 있도록
취업과 이직, 모든 과정에 함께 하겠습니다.
기업이 원하는 독보적인 인재로 성장하세요.

최대 100명이 수강하는 국비지원 과정을 통해
제대로 된 머신러닝 엔지니어로 취업하는 것은 어렵습니다.



1.png

딱, 12명 소수정예로 취업까지 책임지겠습니다.

상위 1%가 되고 싶다면 1%에게 배워야 합니다.
단 한명의 메인 강사와 러닝스푼즈가 밀착형으로 관리합니다.

Kaggle 상위 1% MLOps Engineer


머신러닝 엔지니어 취업

강사의 일방향적 강의가 아닌,
70% 이상을 프로젝트와 개인 맞춤형 피드백에 투자합니다.

아무리 교육 과정이 좋다고 해도, 실제로 수강생이 따라오지 못한다면 아무 의미가 없습니다.
교육 과정 외에 체계적인 운영으로 여러분과 끝까지 함께하겠습니다.



머신러닝 엔지니어 취업

국비과정은 변화하는 채용 트렌드에 즉각 대응하지 못하고 있습니다.

현재 주요 기업의 JD는 머신러닝 이해, 모델링은 기본,
서비스 배포, 백엔드 서버 개발까지 요구하고 있습니다.



머신러닝 엔지니어 취업

토스 뱅크

머신러닝 엔지니어 취업

하이퍼 커넥트

머신러닝 엔지니어 취업

당근

머신러닝 엔지니어 취업

LG AI Research

높아진 실무의 인재 채용 기준,
머신러닝에서 나아가 "Ops, 엔지니어링" 레벨까지 커버합니다.



머신러닝 엔지니어 취업

실무에서 직접 경험했던 업무와 이슈에 기반하여
더 확장된 영역을 알려드리겠습니다.



머신러닝 엔지니어 취업

시간 낭비 없이 한번에 끝내는 머신러닝 엔지니어 취업

실제로 강사님의 멘티들은 이미 대기업, 스타트업 등으로
취업을 하며 성공적인 커리어를 만들어 가고 있습니다.

실제 멘티분들의 후기
머신러닝 엔지니어 취업

한명도 이탈없이 수료할 수 있도록 책임지겠습니다.

Bootcamp, CEO Coaching 등
러닝스푼즈의 운영 경험을 압축하여 관리합니다.



머신러닝 엔지니어 취업

높은 퀄리티의 과정을 위해
Pre-Test를 통과한 검증된 인원만 참여가 가능합니다.

이후 머신러닝 엔지니어 기본기는 러닝스푼즈 교육 VOD + Peer-Learning을 통해 학습합니다.



머신러닝 엔지니어 취업
커리큘럼

주어진 시간, 단 3개월!
다음 교육은 없습니다. 무조건 이번 취업을 목표로 합니다.

우리는 여러분이 압도적인 경쟁력을 확보할 수 있도록
커리큘럼에 전력을 다했습니다.

W00

1. Onboarding
2. Project

W01 ~ W02

ML Basic
데이터 전처리
모델 성능 향상

W03

1차 프로젝트

W04 ~ W05

Advanced ML Engineering

W06 ~ W07

Backend Engineering

W08 ~ W13

파이널 프로젝트

특강 세션

1. Git / Github 활용 방법
2. 파이썬, 도커 특강
3. MLOps를 바라보는 관점
4. API 서비스 비용 최적화

스터디

1. 코딩테스트 박살 내기
2. CS 전공지식 노트
3. 여러분의 자율 스터디

위클리 멘토링

1. 주말을 이용한 1:1 멘토링
2. 커리어 성장 비결
3. 직무 기술서 리뷰
4. 면접 노하우

자세한 커리큘럼은 홈페이지 하단에서 확인할 수 있습니다.

일정 안내

3개월 하드 케어 여정

1. 강의 일정을 설명해 드릴게요.

화, 목, 토(오프라인)
- 10시 ~ 13시 : 정규 강의 진행
- 13시 ~ 14시 : 점심 시간
- 14시 ~ 15시 : 면접을 위한 CS 스터디
- 15시 ~ 18시 : 과제 해결 및 VOD 복습

월, 수(온라인)
- 팀별 과제 해결
- 14시 ~ 15시 : 코딩테스트를 위한 스터디
- 15시 ~ 16시 : 코어타임 운영

2. 프로젝트 기간을 설명해 드릴게요.

1차 프로젝트(오프라인)
- 4월 1일(월) ~ 4월 6일(토)
- 발표 : 4월 6일(토)

파이널 프로젝트(오프라인)
- 5월 8일(수) ~ 6월 7일(금)
- 최종 발표 전 피드백 컨설팅 : 상시 진행
- 최종 발표 : 6월 9일(일)

3. 준비 사항을 설명해 드릴게요.

- 포기를 모르는 마인드 셋, 열정, 자신감
- 머신러닝 모델에 대한 기본적인 이해(사전테스트 평가), 파이썬 활용 능력(Pandas)
- 개인 노트북, 필기도구


이런 분들은 꼭
반드시 이 과정에 참여해야 합니다.

머신러닝 엔지니어 취업


모델 서빙, 운영 단계의
머신러닝 엔지니어링
경험이 부족한 분

머신러닝 엔지니어 취업

서비스 배포,
백엔드 서버 경험이 필요한
주니어 ML 엔지니어

머신러닝 엔지니어 취업

사수가 없어
ML 엔지니어로의
성장이 고민되시는 분

머신러닝 엔지니어 취업

부트캠프를 수료했는데
또 다른 교육을 찾아
헤매는 취업준비생

프로세스 안내

신청 프로세스



머신러닝 엔지니어 취업

커리큘럼 (25)

  • 1. 양성 과정 환경 구축 및 개발의 기본 소양

    1-1. 양성 과정 환경 구축

    강의 목표

    • Google Cloud Platform 개발 환경을 구축하고 실무에서 자주 활용하는 플랫폼을 학습합니다.

    이론

    • Google Cloud Platform(GCP)에 대한 이해
    • 프로젝트에서 활용할 GCP 서비스에 대한 이해

      Compute Engine

      Cloud SQL

      Cloud Run

      Cloud Registry

    실습

    • Google Compute Engine 클라우드 개발 환경 세팅
    • 클라우드 - 로컬 개발 환경 세팅
    • Poetry 기반 파이썬 개발 환경 세팅

    1-2. 데이터베이스 환경 구축 및 SQL (1)

    강의 목표

    • Cloud SQL을 활용한 데이터베이스 환경 구축에 대해 학습합니다.

    이론

    • RDBMS란?
    • SQL vs. NoSQL

    실습

    • Cloud SQL 데이터베이스 구축
    • Database 통신 환경 설정

    1-3. 데이터베이스 환경 구축 및 SQL (2)

    강의 목표

    • SQL 기초 및 데이터베이스 기초 이론에 대해 학습합니다.

    이론

    • 데이터 정의 언어(DDL)와 테이블 기초 설계
    • 데이터 조작 언어(DML)와 쿼리 기초 작성

    실습

    • DDL 기초 실습
    • DML 기초 실습

    도커(Docker) 특강

    특강 일정 안내

    • 특강 일정은 유동적으로 조정됩니다.

    강의 목표

    • 도커의 기본 개념에 대해 학습합니다.
    • 도커 이미지를 생성할 수 있는 도커 파일 실습부터 이미지 최적화까지 다룹니다.
    • 도커 컴포즈를 통해 한번에 여러 컨테이너를 실행하는 방법에 대해 배웁니다.

    이론

    • 도커의 기본 개념에 대해 학습합니다.
    • 전통 가상화와 컨테이너 격리 기술의 비교
    • 도커 캐시 및 이미지 최적화
    • 도커 컴포즈 기초 이론

    실습

    • 도커 파일 작성 및 이미지 빌드
    • 클라우드 컨테이너 레퍼지토리 이미지 업로드 실습
    • 도커 컴포즈 실습

    파이썬 동시 프로그래밍 특강

    특강 일정 안내

    • 특강 일정은 유동적으로 조정됩니다.

    강의 목표

    • 파이썬 동시성 프로그래밍에 대해 학습하고 응용할 수 있습니다.

    이론

    • 동시성과 병렬성의 기본 개념
    • 스레드와 프로세스
    • 비동기 프로그래밍

    실습

    • 멀티 스레딩, 멀티 프로세싱 실습
    • Asyncio 비동기 프로그래밍 실습
  • 2. Basic ML

    2-1. 전처리를 위한 머신러닝 알고리즘 알아보기

    강의 목표

    • 전처리, 모델 선택, 학습, 후처리 등으로 이루어진 기본 머신러닝 파이프라인의 흐름을 배웁니다.
    • 또한, 프로젝트를 진행하며 저지르기 쉬운 실수와 주의사항에 대해 알아봅니다.
    • 정형 데이터를 다루기 위한 Numpy, Pandas 라이브러리의 기본적인 사용 방법에 대해 실습을 진행합니다.

    이론

    • 머신러닝 프로젝트의 흐름
    • Numpy, Pandas 라이브러리 소개

    실습

    • Numpy, Pandas 라이브러리 실습

    2-2. 분류를 위한 머신러닝 알고리즘 알아보기

    강의 목표

    • 데이터의 분포, 자료형, 값의 범위를 조정하는 스케일링 방법에 대해 학습합니다.
    • 결측치를 처리하는 방법, 범주형 변수를 다루는 방법들에 대해 학습합니다.

    이론

    • 스케일링, 결측치 처리 범주형 변수 인코딩 등 기초 전처리 이론에 대해 학습합니다.

    실습

    • 스케일링, 결측치 처리(MICE), 범주형 변수 인코딩 등 전처리 실습
    • 데이콘 대회 데이터에 전처리 실습

    2-3. 모델의 성능을 향상하기 위한 알고리즘

    강의 목표

    • 지도 학습 알고리즘의 종류 중 하나인 분류(Classification)에 대해 학습합니다.
    • 로지스틱 회귀, SVM, 결정트리, 랜덤 포레스트 등 기본적인 머신러닝 알고리즘
    • 경진대회에서 자주 사용되는 모델에 대해 학습하고 실습을 진행합니다.
    • 분류 모델을 위한 평가 방법과 혼동 행렬(Confusion Matrix)에 대해 학습합니다.
    • 분류 모델 평가 시 주의 사항에 대해 배우고 실습을 진행합니다.

    이론

    • 분류 모델에 대한 기초 이론
    • 분류 모델 평가 방법과 주의 사항
    • 경진대회에서 자주 사용되는 모델

    실습

    • Logistic Regression, SVM, Decision Tree, Random Forest 모델 실습 및 평가
    • XGBoost, LightGBM 라이브러리 모델 실습 및 평가
    • 데이콘 대회 데이터를 활용한 분류 모델 적용 및 실습

    2-4. 앙상블과 AutoML 라이브러리

    강의 목표

    • 주어진 데이터뿐만 아니라 학습하지 않은 데이터에 대해 일반화 성능을 향상하기 위한 모델 검증과 앙상블에 대해 학습합니다.
    • 일반화 성능을 향상하기 위한 모델 검증과 앙상블에 대해 학습합니다.
    • AutoML 라이브러리를 활용한 파라미터 튜닝에 대해 학습하고 실습을 진행합니다.

    이론

    • 모델 검증 기초 이론
    • 앙상블 기초

    실습

    • K-Fold를 활용하여 모델 교차 검증 실습
    • Out-of-Fold 모델 앙상블 실습
    • AutoML 라이브러리를 활용한 파라미터 튜닝에 대해 학습 및 실습
    • 데이콘 대회 데이터에 모델 검증 및 앙상블 실습
  • 3. Advanced ML Engineering

    3-1. 머신러닝 서빙 기초 이론 학습

    강의 목표

    • 모델을 학습하기 서빙하기 위한 전체적인 흐름에 대해 학습합니다.
    • 앞으로 우리가 직접 구축할 내용이 무엇인지 하나하나 살펴봅니다.

    이론

    • 모델 서빙 기초 이론

      모델 파이프라인

      모델 레지스트리

      모델 서빙 API 등

    • Online Serving vs Offline Serving

    3-2. Airflow를 활용한 모델 학습 파이프라인 구축

    강의 목표

    • 모델 학습 파이프라인 구축 방법에 대해 학습합니다.
    • AirFlow를 활용해 모델 학습 파이프라인을 구축합니다.

    이론

    • 모델 학습 파이프라인 기초 이론

    이론

    • Airflow로 모델 학습 파이프라인 구축하기
    • Airflow로 파이프라인 배포 및 Github Action 워크플로 구축하기

    3-3. 모델 레지스트리 구축 및 파이프라인 연동

    강의 목표

    • 모델 레지스트리의 역할과 구축 방법에 대해 학습합니다.
    • MLflow를 활용해 모델 레지스트리를 구축합니다.

    이론

    • 모델 레지스트리 기초 이론

    실습

    • MLflow, Minio, PostgreSQL로 모델 레지스트리를 구축하기
    • Airflow 파이프라인에 MLflow 연동하기

    3-4. FastAPI를 활용한 API 서비스 개발 및 모델 레지스트리 연동

    강의 목표

    • API 서버를 만들기 위한 기본 지식을 학습합니다.
    • FastAPI 서버와 모델 레지스트리를 연동해 파이프라인에서 학습한 모델을 서빙합니다.

    이론

    • 모델 서빙에 대한 기초 이론

    실습

    • FastAPI로 모델 API 서버 만들기
    • MLflow 모델 레지스트리와 연동하기

    3-5. 모델의 자동 배포 파이프라인 프로세스 구축

    강의 목표

    • 학습한 모델 및 API 서버를 자동 배포하는 파이프라인에 대해 학습합니다.
    • 일반적인 방식의 모델 배포 및 API 서버를 자동 배포하는 프로세스를 구축합니다.

    이론

    • 모델 서빙 형태에 따른 배포 방식 비교
    • 모델 자동 배포 프로세스

    실습

    • Airflow를 활용한 모델 자동 배포 워크플로 구축 실습

    3-5. 모델 API 서비스 및 모델 학습 파이프라인 모니터링

    강의 목표

    • 배포한 API 서버 및 모델 학습 파이프라인을 모니터링 할 수 있는 대시보드를 구현합니다.
    • 마지막으로 우리 강의에서 다루지 못했지만, ML 엔지니어가 숙지하면 좋을 기술이나 내용들에 대해 다뤄봅니다.

    이론

    • 모니터링 기초 이론
    • 시니어 ML 엔지니어가 되기 위해 더 공부해 보면 좋을 내용 공유

    실습

    • Grafana를 활용한 모니터링 대시보드 실습
  • 4. Backend Engineering

    4-1. 프로젝트 환경 구축 및 백엔드 배경지식

    강의 목표

    • 강의에서 사용할 프로젝트 환경을 구축합니다.
    • 백엔드 개발에 필요한 기초 배경 이론 수업을 진행합니다.

    이론

    • 백엔드의 기초 이론

    실습

    • 프로젝트 환경 구축 실습
    • 실습에 사용할 데이터베이스 세팅

    4-2. FastAPI를 활용한 백엔드 서버 구축

    강의 목표

    • FastAPI를 사용한 가장 기본적인 백엔드 서버를 만들어봅니다.
    • 백엔드 서버를 도커 컨테이너로 구동해 봅니다.

    이론

    • FastAPI 백엔드 서버 기초 이론
    • Post, Get, Put, Delete HTTP Method
    • Query, Path, Request Body
    • API Router, Open API Swagger

    실습

    • FastAPI 백엔드 서버 구현 실습
    • FastAPI 도커 이미지 빌드 및 실행 실습

    4-3. Error Handler, Dependency, Middleware를 활용한 추가 기능 구현

    강의 목표

    • Event Handler의 역할과 기능에 대해 배웁니다.
    • Dependency, Middleware의 역할과 기능에 대해 배웁니다.

    이론

    • Event Handler 기초 이론
    • Dependency, Middleware 기초 이론

    실습

    • Error Handler를 구현하고 예외 처리해 보기
    • Middleware로 API Key 인증 로직 구현해 보기
    • Dependency로 공통 로직 주입 구현해 보기

    4-4. ORM을 활용한 데이터베이스 통신 구현 및 캐시 구현

    강의 목표

    • SQLAlchemy 라이브러리를 활용한 비동기 데이터베이스 통신에 대해 배우고 실습을 진행합니다.
    • ORM을 사용하여 SQL Query를 직접 작성하지 않고 데이터베이스와 통신해 봅니다.
    • Redis를 활용해 캐시 서버를 구축하고 사용해 보는 실습을 진행합니다.

    이론

    • ORM, SQLAlchemy 기초 이론
    • In Memory DB 및 Redis 기초 이론

    실습

    • ORM 기반 비동기 SQLAlchemy 라이브러리 실습
    • Redis 캐시 서버 구축 및 사용 실습

    4-5. Layered Architecture 적용

    강의 목표

    • Data / Service / Controller로 구성된 Layered Architecture에 대해 이해하고 구현해 봅니다.

    이론

    • Layered Architecture 기초 이론

    실습

    • Data Access Layer 구현 실습
    • Service Layer 구현 실습
    • Controller Layer 구현 실습

    4-6. API 서버 자동 배포(CD) 파이프라인 구축

    강의 목표

    • Github Action을 활용해 CI/CD를 구축합니다.
    • CI 파이프라인에서 Pytest를 진행합니다.
    • CD 파이프라인에서 도커 이미지 빌드 및 Google Cloud에 배포를 진행합니다.

    이론

    • Unit Test, Pytest 기초 이론
    • CI/CD 파이프라인 기초 이론

    실습

    • Pytest 작성 및 실습
    • Github Action에서 CI/CD 구축하기
    • GCP Cloud Registry & Cloud Run 서비스 배포
  • 프로젝트 세션

    1차 프로젝트 : 머신러닝 모델링과 성능 최적화 및 고도화

    강의 목표

    • 지금까지 배웠던 머신러닝의 개념을 응용할 수 있도록 프로젝트를 진행합니다.
    • 팀별 데이콘의 주제를 선택하여 머신러닝 모델을 진행하고 성능을 평가해 봅니다.
    • 성능 향상을 위한 방법을 고민하고 강사님의 피드백으로 실무에서 활용하는 성능 향상법을 학습합니다.

    프로젝트

    • 팀별 데이콘 주제 선정
    • Feature Engineering부터 Modeling까지 일련의 과정 프로젝트
    • 팀별 강사님의 실무 중점 피드백과 컨설팅
    • 프로젝트 발표 및 마무리

    파이널 프로젝트 : 모델 서빙, 운영, 파이프라인 설계 및 백엔드 서버 구축

    강의 목표

    • 지금까지 배웠던 머신러닝 서빙과 파이프라인 설계, 백엔드 엔지니어링을 실무 프로젝트에 응용합니다.
    • 팀별 자유 주제를 선정하고 일련의 과정을 전부 설계하고 배포합니다.

    프로젝트

    • 팀별 브레인스토밍 후 주제 선정
    • 팀별 R&R 설정 후 프로젝트 진행
    • 머신러닝 서빙과 파이프라인 설계 및 백엔드 서버 구축
    • 최종 발표 전 강사님의 팀별 피드백과 컨설팅
    • 최종 발표 전 리허설 세션 진행
  • 최종 발표

    강의 목표

    • 3차 프로젝트에서 진행했던 내용으로 마지막 발표를 진행합니다.

    프로젝트

    • 팀별 20분~30분 발표 진행
    • 각 기업의 ML 팀장, CTO분들의 피드백
    • 우수 팀 즉각 면접 및 채용 프로세스 진행
  • 포트폴리오 및 이력서 작성

    포트폴리오

    • 네카라쿠배 급에서 원하는 이력서와 포트폴리오를 작성합니다.
    • 실제 선배들의 피드백과 컨설팅으로 포트폴리오와 이력서를 고도화합니다.

    모의 면접

    • 반드시 뽑히는 면접 필수 전략을 습득합니다.
    • 실제 모의 면접을 통해 다음 커리어를 책임질 면접 스킬을 습득합니다.

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

오프라인

Kaggle 1%의 머신러닝 엔지니어 소수정예 취업 코스

상위 1% 머신러닝 엔지니어로의 성장, 지금 바로 상담 신청하고 도전하세요!

강의찾기