1장: 환경 구성 (Docker, MariaDB)
2장: DS의 모델 개발 (Jupyter)
3장: Airflow로 워크플로우 작성
4장: MLOps 이론
5장: MLOps 수준 0 (배치 ML 파이프라인)
6장: MLOps 수준 1 (지속적 ML 파이프라인)
7장: API 개발
8장: Nginx와 무중단 배포
데이터 수집 → 데이터 처리 → 데이터 클렌징 → EDA → 모델링 및 알고리즘 개발
MLOps: 모델의 개발과 운영(테스트, 버전 관리, 배포 그리고 모니터링) 을 효율적으로 관리하기 위한 엔지니어링
ML 자산: ML 모델, 모델의 매개 변수와 하이퍼 파라미터, 학습 스크립트, 테스트 데이터
데이터셋의 재현(reproducibility) 이 가능하도록 하는 법
<aside> 💡
고객 정보 기반으로 3개월 내에 부실 발생 가능성을 예측하여 대출 가능 여부를 판단하는 ML 모델 개발
</aside>
