소득공제
잘되는 머신러닝 팀엔 이유가 있다
최고의 성과를 내는 머신러닝 팀의 구조적 사고, 실무 중심 엔지니어링, 문화 구축법
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 신청가능
상세 이미지
책소개
목차
|
CHAPTER 01 ML 솔루션 제공의 도전과 더 나은 방향
_1.1 ML을 향한 기대와 현실 _1.2 시스템 사고와 린의 활용 방안 _1.3 결론 [PART 01 제품과 전달] CHAPTER 02 ML 팀을 위한 제품과 전달 기법 _2.1 ML 제품 발견 _2.2 개시: 팀의 성공을 위한 준비 _2.3 제품 전달 _2.4 결론 [PART 02 엔지니어링] CHAPTER 03 효과적인 의존성 관리: 원칙과 도구 _3.1 코드가 어디서나 항상 작동한다면 어떨까요? _3.2 도커와 batect에 대한 간단한 소개 _3.3 결론 CHAPTER 04 실무에서의 효과적인 의존성 관리 _4.1 ML 개발 워크플로 _4.2 안전한 종속성 관리 _4.3 결론 CHAPTER 05 자동 테스트: 신속하게 진행하되 문제는 피하기 _5.1 자동 테스트: 빠르고 안정적으로 반복하기 위한 기본 요소 _5.2 ML 시스템을 위한 포괄적인 테스트 전략의 구성 요소 _5.3 소프트웨어 테스트 _5.4 결론 CHAPTER 06 자동 테스트: ML 모델 테스트 _6.1 모델 테스트 _6.2 모델 테스트에 필수적인 보완 기법 _6.3 다음 단계: 배운 것을 적용하기 _6.4 결론 CHAPTER 07 간단한 기술로 코드 에디터를 효과적으로 사용하기 _7.1 IDE를 아는 것의 이점(그리고 놀라운 단순성) _7.2 계획: 두 단계로 생산성 높이기 _7.3 결론 CHAPTER 08 리팩터링과 기술 부채 관리 _8.1 기술 부채: 자동차 기어 속 모래 _8.2 노트북(또는 문제가 있는 코드베이스) 리팩터링 방법 _8.3 현실에서의 기술 부채 관리 _8.4 결론 CHAPTER 09 MLOps와 ML을 위한 지속적 전달(CD4ML) _9.1 MLOps의 강점과 부족한 퍼즐 조각들 _9.2 ML을 위한 지속적 전달(CD4ML) _9.3 CD4ML이 ML 거버넌스와 책임 있는 AI를 지원하는 방법 _9.4 결론 [PART 03 팀] CHAPTER 10 효율적인 ML 팀의 구성 요소 _10.1 ML 팀이 직면하고 있는 공통적인 문제 _10.2 효율적인 팀의 내부 구성 요소 _10.3 엔지니어링 효율성을 통한 흐름 개선 _10.4 결론 CHAPTER 11 효과적인 ML 조직 _11.1 ML 조직이 직면한 일반적인 과제 _11.2 팀 단위에서의 효과적인 조직 구성 _11.3 효과적인 리더십 _11.4 결론 |
저자 소개4
David Tan
시니어 머신러닝 엔지니어로, 다양한 데이터 및 머신러닝 프로젝트를 수행해 왔다. 검증된 소프트웨어 엔지니어링 기법을 도입하여 반복 가능한 머신러닝 개발 환경을 구축하고, 팀이 빠르고 안정적으로 개발을 이어갈 수 있도록 지원하고 있다.
Ada Leung
소트웍스의 시니어 비즈니스 애널리스트이자 프로덕트 오너이다. 기술, 비즈니스, 공공 부문에 걸쳐 복잡한 문제를 해결해 온 실무 경험을 바탕으로, 고객 중심 애플리케이션, ML 솔루션 확장, 데이터 전략 및 플랫폼 구축 등 다양한 분야에서 활동하고 있다. 성과 중심의 팀 문화를 중요하게 여기며, 온·오프라인 협업 팀을 이끌어 왔다.
David Colls
기술 리더로서 소프트웨어 및 데이터 팀의 성과 개선을 이끌고 있다. 엔지니어링 설계, 시뮬레이션, 최적화, 대규모 데이터 처리에 전문성을 갖추고 있으며, 소트웍스에서는 애자일과 린 전환을 주도하고 오스트레일리아 데이터·AI 부문을 설립했다. 현재는 머신러닝 전략 수립과 서비스 개발, 프로젝트 리더십을 담당하고 있다.
라인 내부 여러 서비스에서 필요한 AI 제품과 공통 솔루션을 개발한다. 주로 서버 및 클라이언트에 적용되는 AI 모델, AI Face SDK, AI Effects, AI Moderation, AI Music Fingerprint 등을 연구하고 있다.
품목정보
- 발행일
- 2025년 05월 30일
- 쪽수, 무게, 크기
- 484쪽 | 183*235*19mm
- ISBN13
- 9791169213875
출판사 리뷰
|
최고의 성과를 내는 머신러닝 팀의 비결을 파헤치다!
수많은 머신러닝(ML) 프로젝트가 PoC 단계에 머물거나 성능 저하, 팀 간 갈등으로 인해 좌초되는 현실 속에서, 이 책은 단순한 기술적 해결책을 넘어 팀 운영과 협업 전략을 중심으로 문제 해결의 길을 제시합니다. ML 모델 개발, 제품화, 배포, 지속 개선까지 전 과정을 아우르며, 실제 프로젝트 현장에서 유용하게 활용할 수 있는 실질적 방법론을 담고 있습니다. LLM(대규모 언어 모델)이 자동화를 촉진하고 강력한 기반 모델을 제공하면서, ML과 AI 프로젝트에도 많은 변화가 생겼습니다. 하지만 LLM은 모든 문제를 해결할 수 있는 만능 도구는 아니며, 전통적인 ML/DL 기법이 여전히 더 적합한 경우도 많습니다. 또한 LLM을 효과적으로 활용하려면 단순히 API 호출을 넘어, 프롬프트 엔지니어링, 파인튜닝, RAG(검색 증강 생성) 시스템 구축, 결과 검증과 평가 등 높은 수준의 전문성과 관리가 필요합니다. 이러한 복잡한 작업을 효과적으로 수행하려면 여전히 전통적인 ML 팀 운영 원칙과 체계적인 엔지니어링 접근법이 필수적입니다. 이 책은 이러한 변화 속에서도 ML 팀뿐 아니라 AI 프로젝트를 담당하는 팀까지 지속적으로 성과를 낼 수 있도록, MLOps, CI/CD, 자동 테스트 등 최신 엔지니어링 기법부터 린 원칙을 기반으로 한 구체적인 실무 전략, 팀 협업 전략까지 설명합니다. 복잡한 문제를 구조적으로 접근하여 성과를 극대화하고 싶은 모든 실무자와 리더에게 이 책을 추천합니다. 주요 내용 ● 린 원칙 기반의 ML 제품 개발 방식(실패를 줄이고 성공을 반복하기) ● MLOps와 CI/CD의 실질적 활용법(성능 저하와 기술 부채를 줄이는 법) ● 자동 테스트, 컨테이너 환경 구성, 리팩터링 기법(실무로 통하는 ML 제품화 과정) ● ML 팀을 위한 조직 구조와 협업 전략(효율성과 효과성을 고려한 팀 운영) |
추천평
|
이 책은 실제 ML 프로젝트 운영에 필요한 과정, 프레임워크, 조직 관리에 관한 내용을 명확하고 체계적으로 전달합니다. 또한 운영 측면에만 국한되지 않고 실무자들이 참고할 만한 내용도 잘 담겨 있습니다. - 강찬석 (LG전자 소프트웨어 엔지니어)
|
|
현실적인 문제의식과 이를 해결하기 위한 원칙, 도구, 사례들이 체계적으로 정리되어 있어 ML 실무자뿐만 아니라 조직의 리더와 ML 엔지니어를 준비하는 이들에게도 큰 인사이트를 제공합니다. - 안민재 (KT AI 엔지니어)
|
|
ML 프로젝트가 왜 실패하는지, 그리고 이를 어떻게 극복할 수 있는지 실제 현장 경험을 바탕으로 구체적으로 안내합니다. - 오두영 (데이터 과학 IT 기술블로그 운영자)
|
|
ML을 단순한 기술적 시각에서 접근하지 않고, 제품 개발과 프로젝트 운영이라는 현실적인 상황에서 풀어낸다는 점이 인상적입니다. - 이상욱 (PETRONAS AI 플랫폼 리드)
|
|
데이터 과학자부터 관리자까지, 모든 팀원이 협력하여 ‘지속 가능한 성공’을 실현할 수 있게 도와주는 이 책을 강력히 추천합니다. - 이석곤 (아이알컴퍼니 부설연구소 수석)
|
|
이 책에서 제시하는 다양한 방법론과 정책을 선택적으로 도입하여 회사의 가이드라인을 수립하는 데 큰 도움이 될 것입니다. - 이장훈 (DevOps 엔지니어)
|
|
ML 제품 구축 경험을 바탕으로 프로젝트 과정에서 마주하는 다양한 문제를 해결할 수 있는 실용적인 접근법을 상세히 설명하고 있습니다. - 조재욱 (사랑모아금융서비스 IT 팀 PL)
|
|
의존성 관리, 자동 테스트 ,MLOps, CI/CD 등 현대 ML 프로젝트의 핵심 요소들을 상세히 다루며, 코드 에디터 활용법, 리팩터링 기법, 기술 부채 관리까지 실제 사례를 통해 구체적인 해결 방안을 제시하고 있습니다. - 한경흠 (SK브로드밴드 솔루션 매니저)
|
30,600원
총 1개
30,600원
