index

1. 개요

• MLOps의 기본 개념부터 클라우드별 운영(AWS/Azure/GCP), 모니터링, 상호운용성, 실사례까지 학습한다.
• 모델 개발 이후의 배포, 운영, 자동화, 관측 가능성(Observability)까지 end-to-end 관점으로 정리한다.

2. 학습 목표

• ML 시스템의 개발-배포-운영 라이프사이클을 설명할 수 있다.
• CI/CD, 컨테이너, 클라우드 환경에서의 MLOps 적용 포인트를 이해할 수 있다.
• 운영 중 모델의 성능/드리프트/로그를 모니터링하고 개선 루프를 설계할 수 있다.

3. 목차

4. 실습 체크리스트

• 학습/서빙 파이프라인을 분리하여 최소 1개 프로젝트 구조화
• 모델 배포 자동화(CI/CD) 파이프라인 1회 이상 구성
• 모니터링 지표(성능, 지연, 에러율, 드리프트) 대시보드 설계
• 클라우드 1개 이상에서 추론 API 배포 및 운영 점검