ML Pipelines on Google Cloud - 한국어
이 과정에서는 Google Cloud에서 최신 ML 파이프라인 개발을 담당하는 ML 엔지니어와 트레이너로부터 유익한 지식을 배웁니다. 초반에 진행되는 몇 개 모듈에서는 Google의 TensorFlow 기반 프로덕션 머신러닝 플랫폼으로서 ML 파이프라인과 메타데이터를 관리할 수 있는 TensorFlow Extended(TFX)에 대해 다룹니다. 파이프라인 구성요소와 TFX를 사용한 파이프라인 조정을 알아봅니다. 지속적 통합과 지속적 배포를 통해 파이프라인을 자동화하는 방법과 ML 메타데이터를 관리하는 방법도 배웁니다. 그런 다음 주제를 전환하여 TensorFlow, PyTorch, scikit-learn, xgboost 등 여러 ML 프레임워크에서 ML 파이프라인을 자동화하고 재사용하는 방법을 설명합니다. 또한 Google Cloud의 또 다른 도구인 Cloud Composer를 사용하여 지속적 학습 파이프라인을 조정하는 방법도 알아봅니다. 마지막으로 MLflow를 사용하여 머신러닝의 전체 수명 주기를 관리하는 방법을 살펴봅니다.
Monthly Subscription Starting at AED 99 + VAT
- Level Expert
- Course by Google Cloud
-
Offered by
About
이 과정에서는 Google Cloud에서 최신 ML 파이프라인 개발을 담당하는 ML 엔지니어와 트레이너로부터 유익한 지식을 배웁니다. 초반에 진행되는 몇 개 모듈에서는 Google의 TensorFlow 기반 프로덕션 머신러닝 플랫폼으로서 ML 파이프라인과 메타데이터를 관리할 수 있는 TensorFlow Extended(TFX)에 대해 다룹니다. 파이프라인 구성요소와 TFX를 사용한 파이프라인 조정을 알아봅니다. 지속적 통합과 지속적 배포를 통해 파이프라인을 자동화하는 방법과 ML 메타데이터를 관리하는 방법도 배웁니다. 그런 다음 주제를 전환하여 TensorFlow, PyTorch, scikit-learn, xgboost 등 여러 ML 프레임워크에서 ML 파이프라인을 자동화하고 재사용하는 방법을 설명합니다. 또한 Google Cloud의 또 다른 도구인 Cloud Composer를 사용하여 지속적 학습 파이프라인을 조정하는 방법도 알아봅니다. 마지막으로 MLflow를 사용하여 머신러닝의 전체 수명 주기를 관리하는 방법을 살펴봅니다.Modules
개요
-
1
Videos
1
Videos
- 과정 소개
개요
-
7
Videos
-
1
ExternalTool
-
1
Assignment
1
Assignment
- 퀴즈
1
External Tool
- 실습: TFX 둘러보기
7
Videos
- TensorFlow Extended(TFX)
- TFX 개념
- TFX 표준 데이터 구성요소
- TFX 표준 모델 구성요소
- TFX 파이프라인 노드
- TFX 라이브러리
- 실습 소개: TFX Walkthrough
개요
-
4
Videos
-
1
ExternalTool
-
1
Assignment
1
Assignment
- 퀴즈
1
External Tool
- 실습: Cloud AI Platform의 TFX 파이프라인
4
Videos
- TFX 조정자
- Apache Beam
- Cloud AI Platform의 TFX
- 실습 소개: Cloud AI Platform의 TFX 파이프라인
개요
-
4
Videos
-
1
ExternalTool
-
1
Assignment
1
Assignment
- 퀴즈
1
External Tool
- 실습: TFX 파이프라인용 CI/CD
4
Videos
- TFX 커스텀 구성요소 - Python 함수
- TFX 커스텀 구성요소 - 컨테이너 + 서브클래스화
- TFX 파이프라인용 CI/CD 워크플로
- 실습 소개: CI/CD 실습 둘러보기
개요
-
3
Videos
-
1
ExternalTool
-
1
Assignment
1
Assignment
- 퀴즈
1
External Tool
- 실습: TFX 파이프라인 메타데이터
3
Videos
- TFX 파이프라인 메타데이터
- TFX ML 메타데이터 데이터 모델
- TFX 파이프라인 메타데이터 실습 소개
개요
-
5
Videos
-
1
ExternalTool
-
1
Assignment
1
Assignment
- 퀴즈
1
External Tool
- 실습: KubeFlow 및 AI Platform Pipelines로 TensorFlow, PyTorch, XGBoost, Scikit Learn 모델의 지속적 학습
5
Videos
- 컨테이너화된 학습 애플리케이션
- PyTorch, Scikit, XGBoost 애플리케이션 컨테이너화
- KubeFlow 및 AI Platform Pipelines
- 지속적 학습
- 실습 소개: KubeFlow 및 AI Platform Pipelines로 TensorFlow, PyTorch, XGBoost, Scikit Learn 모델의 지속적 학습
개요
-
6
Videos
-
1
ExternalTool
-
1
Assignment
1
Assignment
- 퀴즈
1
External Tool
- 실습: Cloud Composer를 사용한 지속적 학습 파이프라인
6
Videos
- Cloud Composer란 무엇인가요?
- Apache Airflow의 주요 개념
- Cloud Composer를 사용한 지속적 학습 파이프라인(데이터)
- Cloud Composer를 사용한 지속적 학습 파이프라인(모델)
- Apache Airflow, 컨테이너, TFX
- 실습 소개: Cloud Composer를 사용한 지속적 학습 파이프라인
개요
-
9
Videos
-
1
Assignment
1
Assignment
- 퀴즈
9
Videos
- 소개
- ML 개발 과제 개요
- MLflow가 이 문제를 해결하는 방법
- MLflow 추적
- MLflow 프로젝트
- MLflow 모델
- MLflow 모델 레지스트리
- 데모: 로컬에서 MLflow 배포.
- 데모: Databricks Community Edition를 사용한 MLflow
개요
-
1
Videos
1
Videos
- 과정 요약
Auto Summary
Unlock advanced machine learning pipeline development on Google Cloud with this expert-level course designed for data scientists and AI enthusiasts. Taught in Korean by industry professionals, you'll explore TensorFlow Extended (TFX) for pipeline management, learn to automate and reuse ML pipelines across frameworks like TensorFlow, PyTorch, and scikit-learn, and manage ML lifecycles with MLflow. Available via Coursera with flexible subscription options.
Google Cloud Training