엔터프라이즈 MLOps 및 파이프라인 구축 과정

과정 개요

기업의 AI 도입이 확산되면서 모델을 한 번 잘 만드는 것보다 지속적으로 학습·배포·모니터링하며 성능을 유지하는 MLOps 역량의 수요가 급증하고 있다. 본 과정은 Python과 SQL을 기반으로 데이터 전처리, 머신러닝·딥러닝 모델링 이론을 다진 뒤, MLflow를 활용한 실험 관리, Airflow 기반 워크플로 오케스트레이션, Docker·Kubernetes를 통한 모델 서빙 자동화(CI/CD/CT)까지 실무 파이프라인 전 구간을 다룬다. 교육생은 Feature Store 설계, 모델 버저닝, A/B 테스트, 데이터·모델 드리프트 모니터링(Prometheus/Grafana) 기법을 익혀 운영 환경에서 발생하는 성능 저하를 탐지하고 재학습을 자동화하는 방법을 실습한다. 최종적으로는 데이터 수집부터 모델 서빙, 모니터링, 자동 재학습까지 엔드투엔드로 연결된 엔터프라이즈급 MLOps 파이프라인을 클라우드 환경에 직접 구축한다. 실습은 클라우드 GPU 인프라를 활용하며, 민간 클라우드 자격증(예: NHN Cloud CAA) 연계 커리큘럼으로 구성된다.