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.

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