01. 최신기술을 활용한 MLOps 인프라 구성
Prefect, MLflow, MinIO, FastAPI 등 MLOps 인프라를 구축하기 위해 필요한 최신 오픈소스 라이브러리와 툴들을 활용합니다. 이를 통해 구축한 인프라를 활용하여 머신러닝 모델을 학습하고 배포하는 전체적인 과정을 실습합니다. 이를 통해 머신러닝 모델을 보다 효율적으로 학습하고 배포하는 능력을 갖출 수 있습니다.
02.머신러닝 모델 이해도와 엔지니어링 역량
책, 인강에서 머신러닝 엔지니얼이 과정은 ML LifeCylce의 일부만 다룹니다. 이 강의는 데이터 추출부터 모델 학습 및 예측, 모델 파이프라인 구축과 자동화 전 과정을 다루어 머신러닝 모델에 대한 이해도 뿐 아니라 머신러닝 엔지니어링에 필수인 개발 역량을 향상시킬 수 있습니다.
03. 머신러닝 파이프라인,자동화 3개 프로젝트 완성
회귀, 분류 머신러닝 파이프라인 프로젝트와 MLOps 인프라 구축을 통해 머신러닝 파이프라인 자동화 프로젝트까지 총 3개의 프로젝트를 완성할 수 있습니다. 오프라인 수업과 별개로 매주 1회 온라인 현직자의 밀착 피드백을 통해 머신러닝 엔지니어링 프로젝트를 완성하세요.