← 도서 서고로 돌아가기
BOOK DETAIL · YES24

MLOps 실전 가이드

DevOps와 MLOps의 이론과 실습부터 클라우드 컴퓨팅, AutoML, 엣지 컴퓨팅까지

노아 기프트,알프레도 데자 저/이장후,이일섭,서기원 역

한빛미디어2023.07.07 출간
YES24 리뷰 평점 9.2
YES24 판매지수312
쪽수496쪽
YES24 판매가
10%36,000원40,000원
YES 포인트 2,000원판매중
YES24에서 구매·혜택 확인 (새 창)

최종 가격과 배송·적립 혜택은 YES24에서 확인해주세요.

INTRODUCTION

책 소개

* 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.

CONTENTS

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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 CHAPTER 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 마치며 연습해보기 생각해보기 부록 A. 기술 자격증 부록 B. MLOps를 위한 기술 포트폴리오 작성 Tip
AUTHOR

작가 소개

노아 기프트 저

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.

BOOK INFORMATION

도서 정보

출판사
한빛미디어
출간일
2023.07.07
ISBN13
9791169211215
ISBN10
1169211216
원제
Practical MLOps
상품 유형
도서
쪽수
496쪽
무게
880g
크기
183 × 235 × 20mm
YES24도서 정보 제공 · YES24정보 업데이트 2026.11.22 10:15 (한국 시간)

이 페이지에는 제휴 링크가 포함되어 있습니다. 링크를 통한 구매 시 잡학서고에 수수료가 지급될 수 있습니다.

가격·판매 상태·혜택은 바뀔 수 있으며, 최종 정보는 YES24에서 확인해주세요.