수많은 기업들이 비즈니스 분석 가치 창출을 위한 AI 기술을 도입하고 있습니다. 그 중 대표적인 AI 기술인 Machine Learning에 대한 인기는 높으며, 이러한 머신러닝을 자동화하는 AutoML에 대한 관심도 더불어 높아지고 있습니다. 또한 AutoML을 통해 개발된 머신러닝 시스템의 생산성과 효율을 높이기 위해서, 머신러닝을 체계적으로 고도화하고 개선시키는 MLOps에 대한 중요성도 강조되고 있습니다.
MLOps는 개발과 운영을 따로 나누지 않고 최적화하기 위한 방법론인 DevOps를 Machine Learning 시스템에 적용한 것입니다. 즉, MLOps에서는 머신러닝 모델을 개발하고 운영을 함에 까지 머신러닝 전체 Lifecycle을 관리하고 모니터링해야 합니다.
마이크로소프트와 클루커스가 함께 준비한 온라인 워크샵에서는 AutoML과 MLOps 의 소개 및 필요성을 알아보고 활용 방안에 대해 안내해드리고자 합니다. 첫번째 세션에서는 Azure Databricks의 MLflow와 Azure ML과 함께 사용할 때의 이점을 소개하고, Demo를 통해 End-to-End MLFlow 활용 방안을 제시합니다. 이어 두번째 세션에서는 Azure ML의 Auto ML 기능 소개와 MLOps의 프로세스를 설명하고 Demo를 통해 MLOps 과정을 보여드립니다.
Contents | Session 01 Azure Databricks를 활용한 Machine Learning
- Machine Learning Pipeline
- Databricks ML platform
- Databricks MLflow
- Azure ML with Databricks
- Azrue Databricks ML Demo
Speaker ㅣ클루커스 AI Group 임마리솔 컨설턴트
Contents | Session 02 Azure 환경에서의 MLOps 알아보기
- Azure ML (AutoML, 코드 우선)
- MLOps (모델 재현성, 모델 유효성 검사, 모델 배포, 모델 재훈련)
- MLOps Demo
Speaker ㅣ클루커스 AI Group 임지섭 컨설턴트
