DataTalksClub/mlops-zoomcamp

MLOps (machine learning operations, 머신러닝 운영)는 많은 데이터 전문가들에게 필수적인 기술입니다. 훈련 및 실험부터 배포 및 모니터링에 이르기까지 MLOps의 기초를 마스터하세요.

Slack 참여 • #course-mlops-zoomcamp 채널 • Telegram 공지 • 강의 플레이리스트 • FAQ • 강의에 대해 트윗하기

• 2026년에는 강의를 제공할 계획이 없습니다.
• 여전히 자기 주도 학습(self-paced) 방식으로 수강할 수 있습니다.
  강의 진행 여부가 결정될 때 업데이트를 받고 싶다면 여기에서 등록하세요.

모든 강의 자료는 독립적인 학습을 위해 무료로 제공됩니다. 다음 단계를 따르세요:

• 강의 영상을 시청하세요.
• Slack 커뮤니티에 참여하세요.
• 안내를 위해 FAQ 문서를 참조하세요.

이 강의는 학습을 강화하기 위한 구조화된 모듈, 실습 워크숍, 그리고 최종 프로젝트로 구성되어 있습니다. 각 모듈은 핵심 MLOps 개념과 도구를 소개합니다.

이 강의를 최대한 활용하려면 다음과 같은 사전 경험이 있어야 합니다:

• Python

• Docker

• 명령줄(Command line) 기초

• 머신러닝 (예: ML Zoomcamp을 통해 학습)

• 1년 이상의 프로그래밍 경험

• MLOps란 무엇인가?

• MLOps 성숙도 모델 (maturity model)

• NY Taxi 데이터셋 (진행 예시)

• MLOps가 필수적인 이유

• 강의 구조 및 환경 설정

• 숙제

• 실험 추적 (experiment tracking) 소개

• MLflow 기초

• 모델 저장 및 로드

• 모델 레지스트리 (Model registry)

• MLflow 실습

• 숙제

• 워크플로 오케스트레이션 (Workflow orchestration)

• 숙제

• 배포 전략: 온라인 (웹, 스트리밍) vs 오프라인 (배치)

• Flask를 이용한 배포 (웹 서비스)

• AWS Kinesis & Lambda를 이용한 스트리밍 배포

• 오프라인 처리를 위한 배치 스코어링 (Batch scoring)

• 숙제

• ML 기반 서비스 모니터링

• Prometheus, Evidently, Grafana를 이용한 웹 서비스 모니터링

• Prefect, MongoDB, Evidently를 이용한 배치 작업 모니터링

• 숙제

• 단위 테스트 (Unit testing) 및 통합 테스트 (integration testing)

• 린팅 (Linting), 포매팅 (formatting), 그리고 pre-commit hooks

• GitHub Actions를 이용한 CI/CD

• 코드형 인프라 (Infrastructure as Code, Terraform)

• 숙제

• 모든 강의 개념을 통합하는 엔드투엔드 (End-to-end) 프로젝트

#course-mlops-zoomcamp에 참여하세요

토론, 문제 해결 및 네트워킹을 위해 DataTalks.Club Slack 채널을 이용하세요.

토론을 체계적으로 유지하기 위해:

• 질문을 게시할 때 우리의 가이드라인을 준수하세요.
• 커뮤니티 가이드라인을 검토하세요.

우리 커뮤니티를 후원하는 데 관심이 있으신가요? alexey@datatalks.club으로 연락해 주세요.

DataTalks.Club은 데이터 열성가들의 글로벌 온라인 커뮤니티입니다. 이곳은 데이터를 토론하고, 배우고, 지식을 공유하며, 질문과 답변을 주고받고, 서로를 지원하는 공간입니다.

DataTalks.Club의 모든 활동은 주로 Slack에서 이루어집니다. 우리는 그곳에 업데이트 사항을 게시하고 데이터의 다양한 측면, 커리어 관련 질문 등을 토론합니다.

DataTalksClub에서는 온라인 이벤트, 커뮤니티 활동 및 무료 코스를 운영합니다. 우리가 무엇을 하는지에 대해 더 자세히 알고 싶다면 DataTalksClub Community Navigation에서 확인하실 수 있습니다.