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