이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 상품의 태그
상세 이미지
책소개
목차
|
01장 ML 서비스 이해하기
_1.1 ML 모델 서비스 이해 __1.1.1 대출 시스템 구성 __1.1.2 신용대출 ML 서비스 목표 _1.2 ML 시스템 구성 _1.3 시스템 환경 구성 __1.3.1 Github 프로젝트 가져오기 __1.3.2 JupyterLab 서비스 __1.3.3 MariaDB 서비스 02장 ML 모델 개발 실습하기 _2.1 데이터 수집 __2.1.1 데이터 설명 __2.1.2 데이터 상세 설명 _2.2 ML 모델 개발 __2.2.1 데이터 추출 __2.2.2 데이터 전처리 __2.2.3 모델 학습 __2.2.4 모델 예측 03장 Airflow 프로젝트 생성 및 DAG 개발 _3.1 Apache Airflow 소개 _3.2 프로젝트 환경 설정 __3.2.1 Github 프로젝트 다운로드 __3.2.2 PyCharm 프로젝트 환경 설정 __3.2.3 Apache Airflow 2.7.2 설치 __3.2.4 기타 설정 _3.3 Airflow DAG란? __3.3.1 DAG 정의(Definition) __3.3.2 Task 정의(Definition) __3.3.3 Task 의존성(Dependencies) _3.4 Airflow DAG 개발 __3.4.1 DAG 개발 __3.4.2 DAG 실행 __3.4.3 DAG 결과 확인 _3.5 데이터추출 파이프라인 개발 __3.5.1 준비 사항 __3.5.2 DAG 개발 04장 MLOps 알아보기 _4.1 MLOps란? __4.1.1 MLOps 정의 __4.1.2 MLOps의 탄생 배경 __4.1.3 MLOps의 주요 발전 과정 __4.1.4 DevOps와 MLOps 차이점 _4.2 MLOps의 원칙 __4.2.1 테스트(Testing) __4.2.2 모니터링(Monitoring) __4.2.3 버전 관리(Versioning) __4.2.4 지속적인 X(Continuous X) __4.2.5 자동화(Automation) __4.2.6 재현성(Reproducibility) _4.3 MLOps 필요성 _4.4 MLOps 목표 _4.5 MLOps 라이프사이클 __4.5.1 ML 개발 __4.5.2 학습 조작화 __4.5.3 지속적 학습 __4.5.4 모델 배포 __4.5.5 예측 서빙 __4.5.6 지속적 모니터링 __4.5.7 데이터 및 모델 관리 _4.6 MLOps 성숙도 수준 __4.6.1 MLOps 0단계 __4.6.2 MLOps 1단계 __4.6.3 MLOps 2단계 05장 MLOps 수준 0: 배치 ML 파이프라인 구현 _5.1 Empty Task DAG 개발 _5.2 데이터 추출 Task 구현 __5.2.1 패키지 및 파일 생성 __5.2.2 데이터 처리 SQL 작성 __5.2.3 DAG Task 기능 추가 __5.2.4 테스트 코드 추가 _5.3 데이터 전처리 Task 구현 __5.3.1 패키지 및 파일 생성 __5.3.2 Preparation 클래스 생성 및 테스트 코드 추가 __5.3.3 Preparation 클래스 개발 __5.3.4 Preparation 클래스 리팩토링 __5.3.5 Docker 이미지 개발 __5.3.6 DAG Task 추가 _5.4 예측 Task 구현 __5.4.1 패키지 및 파일 생성 __5.4.2 Prediction 클래스 생성 및 테스트 코드 추가 __5.4.3 Prediction 클래스 개발 __5.4.4 Prediction 클래스 리팩토링 __5.4.5 Docker 이미지 추가 개발 __5.4.6 DAG Task 추가 _5.5 서비스 적용 __5.5.1 스케줄 시작 06장 MLOps 수준 1: 지속적 학습 ML 파이프라인 _6.1 Empty Task DAG 개발 _6.2 데이터 추출 Task 구현 __6.2.1 패키지 및 파일 생성 __6.2.2 데이터 처리 SQL 작성 __6.2.3 DAG Task 기능 추가 __6.2.4 테스트 코드 추가 _6.3 데이터 전처리 Task 구현 __6.3.1 Preparation 클래스 생성 및 테스트 코드 추가 __6.3.2 Preparation 클래스 개발 __6.3.3 Docker 이미지 개발 __6.3.4 DAG Task 추가 _6.4 모델 학습 및 모델 평가 Task 구현 __6.4.1 Training 클래스 생성 및 테스트 코드 추가 __6.4.2 Training 클래스 개발 __6.4.3 Docker 이미지 추가 개발 __6.4.4 DAG Task 추가 _6.5 모델 버전 관리 구현 __6.5.1 모델 버전이란? __6.5.2 지속적 학습 로깅 개발 __6.5.3 모델 버전 관리 개발 __6.5.4 Training 클래스 적용 07장 MLOps 수준 1: ML 모델 API 개발 _7.1 FastAPI 맛보기 __7.1.1 FastAPI란? __7.1.2 프로젝트 생성 __7.1.3 Hello World _7.2 모델 실시간 API 개발 __7.2.1 _ _main_ _ 블록 추가 __7.2.2 라우트(Route) 개발 __7.2.3 서비스 클래스 개발 __7.2.4 모델 자원 로드 __7.2.5 데이터 전처리 개발 __7.2.6 모델 예측 개발 __7.2.7 모델 API 로그 개발 __7.2.8 도커 이미지 개발 08장 MLOps 수준 1: ML 모델 지속적 배포 _8.1 ML 모델 API 가용성 __8.1.1 Nginx 서비스 구성 __8.1.2 Nginx를 이용한 Reverse proxy 설정 _8.2 ML 모델 지속적 배포 __8.2.1 CT모델버전 및 CT모델학습기준일 Task 개발 __8.2.2 대상서비스확인 Task 개발 __8.2.3 모델 서비스 재시작 Task 개발 __8.2.4 지속적 배포 Trigger 개발 |
저자 소개 1
카카오뱅크 AI 엔지니어로, MLOps 플랫폼 설계·구축부터 머신러닝, 딥러닝, LLM 모델 서빙까지 실전 AI 인프라 전반을 다뤄온 현업 전문가다. AI 모델을 실제 서비스에 연결하고 생산성을 높이는 일을 업으로 삼아왔으며, 기술이 현장에서 어떻게 쓰이는지를 누구보다 가까이에서 경험해왔다.
『MLOps 구축 가이드북』의 저자이기도 한 그는, 개발자만을 위한 딱딱한 기술서가 아니라 오픈소스 AI 모델을 활용하는 방법을 더 많은 사람에게 알리고 싶다는 생각에서 책 『오픈소스 AI 실전 활용 가이드 Icon Pack Edition』을 썼다. 현업에서 쌓은 AI 활용 노하우를
카카오뱅크 AI 엔지니어로, MLOps 플랫폼 설계·구축부터 머신러닝, 딥러닝, LLM 모델 서빙까지 실전 AI 인프라 전반을 다뤄온 현업 전문가다. AI 모델을 실제 서비스에 연결하고 생산성을 높이는 일을 업으로 삼아왔으며, 기술이 현장에서 어떻게 쓰이는지를 누구보다 가까이에서 경험해왔다.
『MLOps 구축 가이드북』의 저자이기도 한 그는, 개발자만을 위한 딱딱한 기술서가 아니라 오픈소스 AI 모델을 활용하는 방법을 더 많은 사람에게 알리고 싶다는 생각에서 책 『오픈소스 AI 실전 활용 가이드 Icon Pack Edition』을 썼다. 현업에서 쌓은 AI 활용 노하우를 바탕으로, 오픈소스 AI와 Claude Code 같은 최신 AI 도구를 일상과 실무에 접목하는 가장 현실적인 방법을 담았다.
"AI를 가장 깊이 아는 사람이, 가장 쉽게 쓰는 법을 알려드립니다."
『MLOps 구축 가이드북』의 저자이기도 한 그는, 개발자만을 위한 딱딱한 기술서가 아니라 오픈소스 AI 모델을 활용하는 방법을 더 많은 사람에게 알리고 싶다는 생각에서 책 『오픈소스 AI 실전 활용 가이드 Icon Pack Edition』을 썼다. 현업에서 쌓은 AI 활용 노하우를 바탕으로, 오픈소스 AI와 Claude Code 같은 최신 AI 도구를 일상과 실무에 접목하는 가장 현실적인 방법을 담았다.
"AI를 가장 깊이 아는 사람이, 가장 쉽게 쓰는 법을 알려드립니다."
김남기의 다른 상품
품목정보
- 발행일
- 2024년 07월 22일
- 쪽수, 무게, 크기
- 544쪽 | 188*257*35mm
- ISBN13
- 9791193083208
출판사 리뷰
|
★이 책의 특징★
- 성공적인 ML 모델 서비스화를 위한 단계별 실습 진행 - 가상의 은행 사례를 구성한 MLOps 파이프라인 구현 - 초보자도 가능한 머신러닝 모델의 실시간 API 개발과 지속적 배포 경험 - 테스트 주도 개발(TDD)로 구성된 MLOps 파이프라인 개발 과정 안내 - 코드 리팩토링 반영 및 지속적인 코드 업데이트 지원 ★이 책의 대상 독자★ - 기본 시스템 설정부터 체계화된 MLOps 가이드라인이 필요한 개발자 - 가상 사례를 통한 MLOps 구축 프로세스를 경험해 보고 싶은 ML 엔지니어 - MLOps 개발 방법론을 운영 시스템에 접목하고 싶은 데이터 과학자 |
추천평
|
저는 개발자 대상으로 교육을 할 때, 종종 ‘우도할계(牛刀割鷄)’라는 사자성어를 언급합니다. 이는 ‘소를 잡는 칼로 닭을 잡는다’는 뜻으로, 도구를 선택할 때 그 목적과 적합한 용도, 기능을 명확히 이해해야 한다는 교훈을 담고 있습니다. 이 책은 저자가 알고 있는 전문가로서의 최단 경로를 단순히 제시하는 것이 아니라, 다양한 문제를 해결하는 과정을 쉽고 명확하게 안내합니다. 이를 통해 독자는 개선 포인트를 발견하고 문제 발생 시 빠르게 원인을 파악할 수 있는 역량을 기를 수 있을 것입니다. - 안현철 (카카오뱅크 최고연구개발책임자(CRDO))
|
|
마치 회사의 멘토로부터 도제식으로 전수받을 법한 머신러닝 모형의 개발부터 시스템 운영까지의 실무 노하우가 담긴 책입니다. 이천만 명 이상의 대고객 시스템에서 사용되는 AI 시스템의 개발과 운영을 이끌어 온 저자의 경험을 여러 사례와 코드로 생생하게 설명합니다. 최신 MLOps 트렌드와 이를 반영한 AI 시스템 개발 방법론을 접하고 싶은 AI 개발자를 위한 필독서로 추천합니다. - 신진호 (카카오뱅크 Data Scientist, 성균관대학교 경제학박사)
|
|
AI는 더 이상 실험실 속의 기술이 아니며, 우리 생활 가까이 다가와 있습니다. 이제 AI는 현대 IT 기술을 이해하기 위한 중요한 키워드입니다. MLOps를 통해 현실 문제에서 AI를 적용하고 다양한 가치를 창출할 수 있습니다. 저자는 다년간 금융 도메인에서 MLOps를 직접 경험해 보았고, 그 노하우를 이 책 한 권에 담았습니다. AI 시대에 무엇을 할 수 있을까 고민하는 학생과 개발자들에게 좋은 지침서가 될 것입니다. - 이연복 (레벨스 개발 리더 & 고재도 - 쿼타랩 VP of Engineering)
|
32,400원
총 1개
32,400원
