상세정보
미리보기
MLOps 실전 가이드
- 저자
- 노아 기프트,알프레도 데자 저/이장후,이일섭,서기원 역
- 출판사
- 한빛미디어
- 출판일
- 2023-07-10
- 등록일
- 2023-11-10
- 파일포맷
- PDF
- 파일크기
- 8MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
* 머신러닝 모델의 안정적인 운영과 성공적인 CI/CD를 위한 MLOps 엔지니어링 노하우* MLOps 포트폴리오 작성 Tip, MLOps 실무자의 인터뷰 수록* 최신 내용 기반한 역자 노트 추가 및 소스 코드 리팩토링 반영 이 책은 MLOps와 DevOps의 개념을 종합적으로 이해하고, 깊이 있는 학습을 돕기 위해 다양한 실습을 포함하고 있습니다. 머신러닝 모델의 안정적인 운영을 위한 배포 방법과 AutoML, 컨테이너, 엣지 컴퓨팅, 모델 이식성 등 MLOps의 중요한 기술 영역을 다룹니다. 뿐만 아니라 AWS, 애저 환경, GCP 등 다양한 클라우드 플랫폼에서의 MLOps 경험을 쌓을 수 있도록 실습을 제공합니다. 저자의 실제 경험을 바탕으로 한 MLOps 사례 및 MLOps 실무자들의 인터뷰 내용도 소개하고 있습니다. 부록에서는 MLOps 구현 시 고려해야 할 사항과 MLOps 커리어 준비를 위한 인터뷰 질문 및 기술 포트폴리오에 필요한 작성 Tip도 제공하여 실무에 쉽게 적용할 수 있도록 도와줍니다.
저자소개
UC 데이비스 경영대학원 MSBA 프로그램의 강사 겸 컨설턴트인 노아 기프트는 CTO, 총괄 관리자, 컨설팅 CTO, 클라우드 설계자 등 비즈니스 역할을 담당해 왔다. 프래그매틱 에이아이랩스(Pragmatic AI Labs)의 설립자로서, 머신러닝과 클라우드 아키텍처에 대해 스타트업, 기타 회사들과 협업한다. 파이썬 소프트웨어 재단 펠로우(Python Software Foundation Fellow)로, 머신러닝 분야에 관한 AWS SME(Subject Matter Expert)이며, 클라우드 머신러닝과 데브옵스(DevOps)에 관한 책을 출간했다.
목차
CHAPTER 1 MLOps 세상으로 초대_1.1 머신러닝 엔지니어와 MLOps의 부상_1.2 MLOps란?_1.3 DevOps와 MLOps_1.4 MLOps 욕구 단계 이론__1.4.1 DevOps 구현__1.4.2 깃허브 액션을 사용하여 지속적 통합 구성하기__1.4.3 DataOps와 데이터 엔지니어링__1.4.4 플랫폼 자동화__1.4.5 MLOps_1.5 마치며연습해보기생각해보기CHAPTER 2 MLOps를 시작하기 위한 기본 개념 _2.1 배시와 리눅스 커맨드 라인_2.2 클라우드 셸 개발 환경_2.3 배시 셸과 명령어__2.3.1 파일 목록__2.3.2 실행 명령__2.3.3 파일 탐색__2.3.4 셸 입출력__2.3.5 셸 설정__2.3.6 셸 스크립트 작성_2.4 클라우드 컴퓨팅 기반과 구성 요소_2.5 클라우드 컴퓨팅 시작하기_2.6 파이썬 벼락치기_2.7 미니멀리스트를 위한 파이썬 튜토리얼_2.8 프로그래머를 위한 수학 벼락치기__2.8.1 기술 통계학과 정규분포__2.8.2 최적화__[역자 노트]_2.9 머신러닝의 핵심 개념_2.10 데이터 과학 해보기_2.11 간단한 파이프라인 밑바닥부터 작성하기_2.12 마치며연습해보기생각해보기CHAPTER 3 컨테이너와 엣지 디바이스를 위한 MLOps_3.1 컨테이너__3.1.1 컨테이너 런타임__3.1.2 컨테이너 생성하기__3.1.3 컨테이너 실행하기__3.1.4 컨테이너 모범 사례__3.1.5 HTTP로 모델 서빙하기_3.2 엣지 디바이스__3.2.1 구글 코랄__3.2.2 애저 퍼셉트__3.2.3 텐서플로 허브__3.2.4 구글 코랄 엣지 TPU 컴파일러_3.3 완전 관리형 머신러닝 시스템을 위한 컨테이너__3.3.1 MLOps 컨테이너 거래하기__3.3.2 다양하게 활용되는 컨테이너_3.4 마치며연습해보기생각해보기CHAPTER 4 머신러닝 애플리케이션에 지속적 배포를 적용하기_4.1 머신러닝 모델 패키징_4.2 머신러닝 모델의 지속적 배포를 위한 코드형 인프라_4.3 클라우드 파이프라인 사용하기__4.3.1 모델 배포 제어하기__4.3.2 모델 배포를 위한 테스팅 전략_4.4 마치며연습해보기생각해보기CHAPTER 5 AutoML과 KaizenML_5.1 AutoML__5.1.1 MLOps 산업 혁명__5.1.2 AutoML vs KaizenML__5.1.3 피처 스토어_5.2 애플 생태계__5.2.1 애플의 AutoML: Create ML__5.2.2 애플의 Core ML_5.3 구글의 AutoML과 엣지 컴퓨터 비전_5.4 애저의 AutoML_5.5 AWS AutoML_5.6 오픈 소스 AutoML__5.6.1 Ludwig__5.6.2 FLAML_5.7 모델 설명력_5.8 마치며연습해보기생각해보기CHAPTER 6 모니터링과 로깅_6.1 클라우드 MLOps와 관찰가능성__[역자 노트]_6.2 로깅 기초_6.3 파이썬에서 로깅 실습하기__[역자 노트]__6.3.1 로그 수준 설정하기__6.3.2 여러 애플리케이션을 동시에 로깅하기_6.4 모니터링과 관찰가능성__6.4.1 모델 모니터링의 기초__6.4.2 AWS 세이지메이커에서 드리프트 모니터링하기_6.5 애저 머신러닝에서 드리프트 모니터링하기_6.6 마치며연습해보기생각해보기CHAPTER 7 AWS를 이용한 MLOps_7.1 AWS에 입문하기__7.1.1 AWS 제품 사용해보기__7.1.2 AWS와 MLOps_7.2 AWS를 이용한 MLOps 레시피__7.2.1 명령행 인터페이스 도구__7.2.2 플라스크 마이크로서비스_7.3 AWS 람다 레시피__7.3.1 AWS 람다-SAM: 로컬 환경에서 사용하기__7.3.2 AWS 람다-SAM: 컨테이너화하여 배포하기_7.4 현실의 문제를 해결하기 위한 AWS 머신러닝 제품과 조언__[인터뷰] 스포츠 SNS 서비스의 사례 __[인터뷰] AWS 머신러닝 기술 전도사 줄리앙의 커리어 조언언_7.5 마치며연습해보기생각해보기CHAPTER 8 애저 환경과 MLOps_8.1 애저 CLI와 파이썬 SDK_8.2 인증__8.2.1 서비스 주체__8.2.2 API 서비스 인증_8.3 컴퓨팅 인스턴스_8.4 배포__8.4.1 모델 등록__8.4.2 데이터셋 버전 관리__[역자 노트]_8.5 컴퓨팅 클러스터에 모델 배포하기__8.5.1 클러스터 구성하기__8.5.2 모델 배포하기_8.6 배포 문제 해결하기__8.6.1 로그 검색하기__8.6.2 애플리케이션 인사이트__8.6.3 로컬 환경에서의 디버깅_8.7 애저 머신러닝 파이프라인__8.7.1 퍼블리싱 파이프라인__8.7.2 애저 머신러닝 디자이너_8.8 머신러닝 생애 주기_8.9 마치며연습해보기생각해보기CHAPTER 9 구글 클라우드 플랫폼과 쿠버네티스_9.1 구글 클라우드 플랫폼 둘러보기__9.1.1 지속적 통합과 지속적 배포__9.1.2 hello world 쿠버네티스__9.1.3 클라우드 네이티브 데이터베이스 선택과 설계_9.2 구글 클라우드 플랫폼에서의 DataOps_9.3 머신러닝 모델 운영_9.4 마치며연습해보기생각해보기 CHAPTER 10 머신러닝 상호운용성_10.1 상호운용성이 중요한 이유_10.2 ONNX: Open Neural Network Exchange__10.2.1 ONNX Model Zoo__10.2.2 파이토치를 ONNX로 변환하기__10.2.3 텐서플로를 ONNX로 변환하기__10.2.4 애저에서 ONNX 모델 배포_10.3 애플의 Core ML과 ONNX_10.4 엣지 통합_10.5 마치며연습해보기생각해보기CHAPTER 11 MLOps 명령줄 도구와 마이크로서비스 구축_11.1 파이썬 패키징_11.2 Requirements 파일_11.3 명령줄 도구__11.3.1 데이터셋 린터 생성__11.3.2 명령줄 도구 모듈화_11.4 마이크로서비스__11.4.1 서버리스 기능 만들기__11.4.2 클라우드 기능 인증__11.4.3 클라우드 기반 명령줄 인터페이스 구축_11.5 머신러닝 명령줄 인터페이스 워크플로_11.6 마치며연습해보기생각해보기CHAPTER 12 MLOps 실사례 연구_12.1 머신러닝에서 무지함이 주는 뜻밖의 이점_12.2 스포츠 소셜 네트워크의 MLOps 프로젝트__12.2.1 기계적인 반복 작업: 데이터 라벨링__12.2.2 인플루언서 등급__12.2.3 인공지능 프로덕트_12.3 현실 vs 완벽한 기술_12.4 MLOps의 중요한 과제__12.4.1 윤리적 문제와 의도치 않은 결과__12.4.2 운영 능력의 부족__12.4.3 기술력에 집중할 것인가, 비즈니스에 집중할 것인가__[인터뷰] MLOps 실무자 피에로 몰리노 __[인터뷰] MLOps 실무자 프란체스카 라제리 _12.5 MLOps 구현을 위한 마지막 권장 사항__12.5.1 데이터 거버넌스와 사이버보안__12.5.2 MLOps 구축 시 자주 언급되는 개념과 도구들_12.6 마치며연습해보기생각해보기부록 A. 기술 자격증부록 B. MLOps를 위한 기술 포트폴리오 작성 Tip
