hero-section-background
hero-section-image

개발만 하면 끝? 모델 배포, CI/CD, 운영까지: MLOps의 정석

55%135,000
300,000

권장 수강 대상

현업 개발자

카테고리

개발

수강시간

8시간 13분

강의수

10개

강의 소개

커리큘럼

AI 모델을 개발했는데 배포와 운영이 막막하게 느껴지시나요?

MLOps 팀장이 직접 알려주는 실무 아키텍처로 CI/CD 자동화부터 모델 모니터링까지 배우고,

운영 가능한 AI 시스템을 혼자서도 구축할 수 있게 될 거예요!

이런 고민이 있나요?

모델 배포와 운영 자동화가 막막해요

이미지

실험 관리와 모델 버전 관리가 안 되어 재현성이 어려워요

이미지

DevOps와 머신러닝의 교집점인 MLOps를 모르겠어요

이미지

클라우드 환경에서 안정적인 ML 파이프라인을 운영하고 싶어요

이미지

이렇게 성장할 수 있어요!

데이터 처리부터 모니터링까지 전 과정을 실습할 수 있어요

이미지

GitHub Actions와 ArgoCD로 배포 과정을 완전 자동화할 수 있어요

이미지

FastAPI와 Triton으로 안정적인 서비스를 구축할 수 있어요

이미지

Prometheus와 Grafana로 성능과 자원 사용을 추적할 수 있어요

이미지

프로젝트 맛보기

클라우드 MLOps 환경 구축 (Kubernetes + Docker)

AWS/GCP에서 쿠버네티스 기반 MLOps 워크플로우 배포 시스템 구성

데이터 파이프라인 자동화 (Airflow)

데이터 수집부터 모델 평가까지 전 과정을 자동화하는 Airflow DAG 구축

이런 혜택을 얻을 수 있어요

무제한 온라인 수강

무제한 온라인 수강

언제 어디서든 편하게 학습해요

실무 템플릿 제공

실무 템플릿 제공

오늘 배운 내용, 내일 바로 적용해요

전문 멘토의 Q&A

전문 멘토의 Q&A

막히는 부분을 빠르게 해결해 드려요

수료 특전

수료 특전

수료 시 원하는 강의 1개 추가 무료 제공

크리에이터

김고은

AI Software Engineer

개발 이후가 진짜 시작이에요. 안정적인 운영까지 책임질 수 있는 엔지니어로 성장하세요!

• 현재 이스트소프트 AI Software Engineer
• 전 AIMMO MLOps Lead
• 전 써로마인드 백엔드 엔지니어
• 전 SFA Engineering 임베디드 개발자
• 제조 및 AI 플랫폼 기반 MLOps 시스템 다수 설계·운영 경험
• 쿠버네티스 기반 실험/추론/버전관리 자동화 파이프라인 전문
• 사내 강의 및 DevOps/MLOps 교육 다수 진행

커리큘럼

중급

8시간 13분

1-1
MLOps 실무: 강사와 강의 소개
10분
1-2
MLOps의 개요 및 필요성
10분
2-1
MLOps 구성 요소 이해
30분
2-2
이 커리큘럼에서 배울 MLOps 아키텍처
10분
3-1
GCP VM을 활용한 Kubernetes 기반 개발 환경 세팅
20분
3-2
Kubernetes 도구 소개 및 환경 구성 실습
30분
3-3
Helm Chart 구조 이해 및 샘플 배포 실습
30분
3-4
ArgoCD를 활용한 Helm Chart 배포
20분
3-5
마무리하며: Kubernetes 실습 돌아보기
5분
4-1
파이프라인 구축의 목적과 이해
20분
4-2
Docker & Docker Compose 기반 파이프라인 환경 구축 실습
20분
4-3
파이프라인 툴 비교: Airflow vs Kubeflow vs Argo vs PREFECT
20분
4-4
Airflow 환경 구성 실습
20분
4-5
Airflow를 활용한 ML 파이프라인 DAG: 코드 프리뷰
20분
4-6
Airflow를 활용한 ML 파이프라인 DAG: 구성 실습
20분
4-7
Airflow의 실무 활용 사례 및 운영 전략
25분
4-8
마무리하며: Airflow를 활용한 파이프라인 DAG 돌아보기
5분
5-1
MLFlow를 활용한 모델 버전 관리의 필요성
5분
5-2
MLFlow 핵심 기능 소개: 실험 추적, 모델 레지스트리, 모델 서빙
10분
5-3
모델 버전 관리: MLFlow python sdk 코드 프리뷰
10분
5-4
모델 버전 관리: Airflow DAG를 활용한 MLflow 자동화 실습
20분
5-5
마무리하며: MLFlow를 활용한 모델 버전 관리 돌아보기
5분
6-1
모델 서빙과 Triton Inference Server 이해
20분
6-2
Helm Chart를 활용한 Triton Inference Server 배포
20분
6-3
Triton Inference Server 실행 및 테스트
20분
6-4
YOLO 모델로 추론해보기: 코드 프리뷰
10분
6-5
YOLO 모델로 추론해보기: Triton Inference Server 실습
30분
6-6
마무리하며: Triton Inference Server를 활용한 모델 서빙 돌아보기
20분
7-1
지속적 통합/배포(CI/CD) 개념 이해
10분
7-2
Github Actions와 ArgoCD 이해
5분
7-3
Docker Compose와 CLI로 커스텀 이미지 빌드 실습
5분
7-4
Github Actions 실습: 커스텀 이미지 빌드 자동화
30분
7-5
Helm으로 애플리케이션 배포
5분
7-6
ArgoCD로 애플리케이션 배포
20분
7-7
Github-hosted runner의 이해
5분
7-8
Self-hosted Runner 실습: 설정 및 적용 과정
30분
7-9
마무리하며: CI/CD 및 자동화 구축 실습 돌아보기
5분
8-1
API와 FastAPI의 목적과 이해
20분
8-2
FastAPI 실습: 코드 프리뷰
30분
8-3
FastAPI 실습: 로컬 환경에서 API 서버 실행
20분
8-4
FastAPI 실습: Kubernetes에서 API 서버 배포
10분
9-1
MLOps에서 모니터링을 해야 하는 이유
5분
9-2
FastAPI-Prometheus-Grafana 연동 구조 및 코드 프리뷰
30분
9-3
Grafana 대시보드 설정 및 부하 테스트
20분
9-4
실습 1: 메모리 사용량 모니터링 메트릭 추가하기
10분
9-5
실습 2: 엔드포인트를 추가하고 Counter 메트릭 추가하기
20분
9-6
모니터링 3요소 이해하기: Metrics, Logs,Traces
15분
9-7
PLG Stack 이해하기: Promethus, Loki, Grafna
10분
10-1
MLOps 실전 운영을 위한 전략
15분
10-2
MLOps 실무 강의를 마무리하며
5분

지금 55% 할인가에 시작하세요.