바로가기 메뉴


슈퍼트랙교육 과정일정 그리고 장소
아래 일정에서 확인하실 수 있습니다.

과정명을 클릭하시면 해당 과정에 대한 소개를 보실 수 있습니다.

[마감/온라인] AWS 기반 머신러닝 운영(MLOps Engineering on AWS)
수강료 1,320,000원 (VAT 포함)
교육 일자 2022-04-27
교육 장소 실시간 온라인 교육(VILT)
교육 기간 3일
교육 기간 상세 2022-04-27~2022-04-29
교육 시간 09:30~17:30
수강가능인원 0 명 남았습니다.
스크랩하기
 

※ 해당 과정은 실시간 온라인 교육(V-ILT)으로 Zoom을 통해 진행될 예정입니다.

※ 온라인 교육에 대한 상세 내용은 공지사항 [코로나19 예방을 위한 온라인 교육 진행 안내(클릭)]를 참고하시기 바랍니다.


AWS 기반 머신러닝 운영(MLOps Engineering on AWS)

과정 소개

이 과정은 기계 학습 모델을 구축, 훈련 및 배포하기 위해 소프트웨어 개발에서 널리 사용되는 DevOps 방식을 기반으로 확장됩니다. 이 과정에서는 성공적인 기계 학습 배포를 위해 데이터, 모델 및 코드의 중요성을 강조합니다. 데이터 엔지니어, 데이터 사이언티스트, 소프트웨어 개발자, 운영 간의 이관과 관련된 과제들을 해결하는 데 도구, 자동화, 프로세스, 팀워크를 사용하는 방법을 보여줍니다. 또한 이 과정에서는 프로덕션에서 모델 예측이 합의된 핵심 성과 지표를 벗어나기 시작하는지 모니터링하고 조치를 취하기 위한 도구 및 프로세스의 사용에 대해서도 논의합니다.

과정 목표

기계 학습 운영을 설명

DevOps와 MLOps의 주요 차이점 이해

기계 학습 워크플로 설명

MLOps에서 커뮤니케이션의 중요성 논의

기계 학습 워크플로 자동화를 위한 엔드 투 엔드 옵션 설명

MLOps 자동화를 위한 주요 Amazon SageMaker 기능 나열

모델을 빌드, 훈련, 테스트 및 배포하는 자동화된 기계 학습 프로세스 구축

모델 코드 변경에 따라 모델을 다시 훈련시키는 자동화된 기계 학습 프로세스 구축

배포 프로세스의 요소 및 중요 단계를 파악 

모델 패키지에 포함할 수 있는 항목과 훈련 또는 추론 시 이 항목의 사용법을 설명 

기계 학습 프레임워크 및 기본 제공 알고리즘 또는 자체 모델에 대한 지원을 포함한 배포용 모델 선택을 위한 Amazon SageMaker 옵션을 파악 

기계 학습의 확장과 다른 애플리케이션의 확장을 구별

추론에 대한 다양한 접근 방식을 사용해야 하는 시기를 결정

배포 전략, 이점, 과제 및 일반적인 사용 사례를 논의

엣지 디바이스에 기계 학습을 배포할 때의 과제를 설명

배포 및 추론과 관련된 중요한 Amazon SageMaker 기능을 인식

모니터링이 중요한 이유를 설명

기본 입력 데이터에서 데이터 드리프트를 감지

기계 학습 모델에서 편향을 모니터링하는 방법을 시연

모델 리소스 소비 및 대기 시간을 모니터링하는 방법을 설명

프로덕션에서 모델 결과에 대한 HITL(Human-in-the-Loop) 검토를 통합하는 방법을 논의 

교육 대상

DevOps 엔지니어

머신러닝 엔지니어

머신러닝 모델 운영을 담당하는 개발자/운영자

사전 조건

AWS Technical Essentials 과정 이수 또는 동등 수준의 지식

DevOps Engineering on AWS 과정 이수 또는 동등 수준의 지식 

교육 진행 방식

강의 및 실습 교육

준비물

Wi-Fi 가능한 개인 노트북 컴퓨터 (태블릿 PC 불가)

지원 브라우저 : 크롬, 파이어폭스

개인 방화벽이 설정되어 있는 경우 비활성화시키거나 SSH(20), RDP(3389), HTTP/S(80,443) 등의 포트로 통신이 가능해야 합니다.

기간

3일

과정 개요

Day 1 Day 2 Day 3

기계 학습 운영

MLOps의 목표

커뮤니케이션

DevOps에서 MLOps까지

기계 학습 워크플로

범위

기계 학습 워크플로에 대한 MLOps 관점

MLOps 사례

기계 학습 모델 구축, 훈련 및 평가 소개

MLOps 보안

자동화

Apache Airflow

MLOps를 위한 Kubernetes 통합

MLOps를 위한 Amazon SageMaker

실습: 기존 보유 알고리즘을 MLOps 파이프라인에 가져오기

데모: Amazon SageMaker

기계 학습 모델 구축, 훈련 및 평가 소개

실습: AWS CodeBuild를 사용하여 기계 학습 모델 코딩 및 제공

활동: MLOps 실행 계획 워크북 

배포 작업 소개

모델 패키징

추론

실습: 모델을 프로덕션에 배포

SageMaker 프로덕션 변형

배포 전략

엣지에 배포

실습: A/B 테스트 수행

활동: MLOps 실행 계획 워크북

실습: 파이프라인 문제 해결

모니터링의 중요성

설계에 의한 모니터링

실습: 기계 학습 모델 모니터링

HITL(Human-in-the-Loop)

Amazon SageMaker Model Monitor

데모: Amazon SageMaker Pipelines, Model Monitor, Model Registry 및 Feature Store

문제 해결

활동: MLOps 실행 계획 워크북

과정 내용은 AWS Global Training Program 기준으로 국가 및 언어에 따라 내용이 조금씩 다를 수 있습니다.