ML Ops2 2번째 글# MLOps와 Kubernetes, Data pipeline MLOps의 핵심 과제 중 하나는 머신 러닝 워크로드를 지원하는 데 필요한 인프라와 리소스를 관리하는 것입니다.바로 여기에 Kubernetes가 등장합니다. Kubernetes는 조직이 컨테이너화된 애플리케이션과 워크로드를 배포, 확장, 관리할 수 있도록 지원하는 오픈소스 컨테이너 오케스트레이션 플랫폼입니다. 조직은 MLOps와 Kubernetes를 결합하여 머신 러닝 워크로드를 보다 효과적으로 관리할 수 있습니다.MLOps에 Kubernetes를 사용할 때의 주요 이점 중 하나는 리소스를 동적으로 관리하고 확장할 수 있다는 점입니다. 이는 워크로드가 매우 예측하기 어렵고 리소스 집약적일 수 있는 머신 러닝에서 매우 중요합니다. 조직은 Kubernetes를 통해 온디맨드 방식으로 리소스를 할당하고 필요에.. 2023. 3. 7. 첫 글# AI 시대에서 컴공 학사가 살아남는 방법 ChatGPT, Stable Diffusion, DALL-E 등 Generative Model의 시대가 열렸습니다.뉴스나 기사들에서는 진정한 AI의 시대로 가는 첫 번째 문이 열렸다고 얘기할 정도입니다. 하지만 많은 개발자의 지식은 여전히 기본적인 수준, 또는 이미 한물간 옛날 지식수준에 머물러 있습니다.왜 그럴까요? 그리고 그들은 어떻게 현 상황을 대처해야 할까요? 해답을 알려면 우선은 AI가 무엇인지, ML이 무엇인지 파악해야 합니다. Machine Learning: 머신 러닝(ML)은 데이터를 기반으로 패턴을 인식하고 예측하도록 기계를 훈련시키는 AI의 하위 집합입니다. 의료, 금융, 교통 등 다양한 산업 분야에서 활용되고 있습니다. 앞으로 개발자는 지능형 시스템을 구축하기 위해 ML에 대한 전문 .. 2023. 3. 6. 이전 1 다음
