Hands-On Machine Learning: Build and Deploy with Python and MLOps

머신러닝 모델을 로컬 노트북에서 안정적인 프로덕션 환경으로 전환하려면 알고리즘 훈련 이상의 것이 필요합니다. 데이터 관리, 파이프라인 자동화 및 모델 배포에 대한 구조화된 접근 방식이 필요합니다. 이 텍스트 기반 과정은 데이터 과학과 소프트웨어 엔지니어링 간의 격차를 해소하는 데 필요한 실용적인 기술을 제공합니다. 이 구조화된 커리큘럼을 따르면 전체 머신러닝 라이프사이클을 관리하는 데 필요한 기본 기술을 습득하게 됩니다. 최신 패키징 표준을 사용하여 Python 프로젝트를 구조화하고, 강력한 훈련 파이프라인을 구축하고, 모델을 자신 있게 배포하고 모니터링하기 위한 필수 MLOps 관행을 구현하는 방법을 배우게 됩니다. 학습 내용: - 초기 데이터 준비부터 배포까지 머신러닝 라이프사이클의 핵심 단계를 이해합니다. - 최신 프로젝트 구성 및 종속성 관리를 사용하여 Python에서 재현 가능한 훈련 파이프라인을 구축합니다. - 일관된 모델 입력 및 출력을 보장하기 위해 데이터 버전 관리 및 유효성 검사 기술을 적용합니다. - 실시간 예측을 제공할 준비가 된 기능 API로 훈련된 모델을 배포합니다. - 시간이 지남에 따라 모델 성능을 추적하기 위한 기본 모니터링 및 관찰 가능성 패턴을 구성합니다. 이 과정은 기본 머신러닝 용어 및 프로젝트 구조화부터 시작하여 데이터 전처리, 모델 선택, 평가 및 배포 전략을 단계별로 안내합니다. 실용적인 엔지니어링 기술을 구축하도록 설계된 자세한 설명과 실제 코드 스니펫을 읽게 됩니다. 이 과정은 MLOps 분야로 전환하려는 야심찬 데이터 과학자, 소프트웨어 개발자 및 초보자를 위해 설계되었습니다. DevOps 또는 배포 경험이 필요하지 않으므로 프로덕션 AI 여정을 시작하기에 완벽한 출발점입니다. 오늘날 프로덕션 머신러닝 라이프사이클을 마스터하기 위한 여정을 시작하십시오.