주요 컨텐츠로 이동

Machine Learning Model Deployment - Korean

이 과정은 세 가지 기본 머신 러닝 배포 전략을 소개하고 각 전략의 Databricks 구현을 설명하기 위해 설계되었습니다. 모델 배포의 기본 사항을 살펴본 후 이 과정에서는 배치 추론을 자세히 살펴보고 고려 사항과 함께 성능 최적화에 대한 배치 추론 시나리오에서 모델을 활용하기 위한 실습 데모 및 실습을 제공합니다. 과정의 두 번째 부분에서는 파이프라인 배포를 포괄적으로 다루고 마지막 부분에서는 실시간 배포에 중점을 둡니다. 참가자는 실습 시연 및 실습에 참여하여 Model Serving가 있는 모델을 배포하고 실시간 추론을 위해 엔드포인트를 활용합니다.


Languages Available: English | 日本語 | Português BR한국어

Skill Level
Associate
Duration
4h
Prerequisites

이 과정을 시작하기 전에 최소한 다음 사항에 익숙해야 합니다.

- 기본 머신 러닝 모델에 대한 지식 

- 모델 수명 주기 및 MLflow 구성 요소 에 대한 지식 

- Databricks Workspace 및 Notebooks 에 대한 지식 

- Python에 대한 중급 지식

Outline

모델 배포 기초=

모델 배포 전략

MLflow를 활용한 모델 배포


배치 배포

배치 배포 소개

데모: 배치 배포


파이프라인 배포

파이프라인 배포 소개

데모: 파이프라인 배포


머신러닝 모델 배포 설계 문서

실시간 배포 소개

Databricks 모델 서빙

데모: 모델 서빙을 통한 실시간 배포

데모: 모델 서빙을 통한 맞춤형 모델 배포

실습: 모델 서빙을 통한 실시간 배포

Upcoming Public Classes

Date
Time
Your Local Time
Language
Price
Jun 19
09 AM - 01 PM (Asia/Seoul)
-
Korean
$750.00

Public Class Registration

If your company has purchased success credits or has a learning subscription, please fill out the Training Request form. Otherwise, you can register below.

Private Class Request

If your company is interested in private training, please submit a request.

See all our registration options

Registration options

Databricks has a delivery method for wherever you are on your learning journey

Runtime

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

지금 등록하세요

Instructors

Instructor-Led

Public and private courses taught by expert instructors across half-day to two-day courses

지금 등록하세요

Learning

Blended Learning

Self-paced and weekly instructor-led sessions for every style of learner to optimize course completion and knowledge retention. Go to Subscriptions Catalog tab to purchase

Purchase now

Scale

Skills@Scale

Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details

Upcoming Public Classes

Data Engineer

Data Ingestion with Lakeflow Connect - Korean

이 과정에서는 다양한 소스에서 Databricks로 데이터를 수집하기 위한 확장 가능하고 간소화된 솔루션인 Lakeflow Connect에 대한 포괄적인 소개를 제공합니다. 먼저 다양한 유형의 Lakeflow Connect 커넥터(표준 및 관리형)를 탐색하고 배치, 증분 배치 및 스트리밍 수집을 포함한 다양한 데이터 수집 기술을 알아봅니다. 또한 Delta 테이블 및 Medallion 아키텍처를 사용할 때의 주요 이점도 검토합니다.

다음으로, Lakeflow Connect 표준 커넥터를 사용하여 클라우드 객체 스토리지에서 데이터를 수집하기 위한 실용적인 기술을 개발합니다. 여기에는 CREATE TABLE AS SELECT(CTAS), COPY INTO 및 Auto Loader와 같은 방법을 사용하는 작업이 포함되며 각 방법의 이점과 고려 사항에 중점을 둡니다. 또한 Databricks Data Intelligence Platform로 수집하는 동안 브론즈 수준 테이블에 메타데이터 열을 추가하는 방법도 알아봅니다. 그런 다음 이 과정에서는 복구된 데이터 열을 사용하여 테이블 스키마와 일치하지 않는 레코드를 처리하는 방법과 이 데이터를 관리하고 분석하기 위한 전략을 다룹니다. 또한 반정형 JSON 데이터를 수집하고 평면화하는 기술을 살펴봅니다.

그런 다음 Lakeflow Connect 관리형 커넥터를 사용하여 엔터프라이즈급 데이터 수집을 수행하여 데이터베이스 및 SaaS(Software-as-a-Service) 애플리케이션에서 데이터를 가져오는 방법을 살펴봅니다. 또한 이 과정에서는 파트너 도구를 수집 워크플로우에 통합하기 위한 옵션으로 Partner Connect를 소개합니다.

마지막으로, 이 과정은 MERGE INTO 작업 및 Databricks Marketplace 활용을 포함한 대체 수집 전략으로 마무리하여 최신 데이터 엔지니어링 사용 사례를 지원할 수 있는 강력한 기반을 제공합니다.

Languages Available: English | 日本語 | Português BR | 한국어

Paid
4h
Lab
instructor-led
Associate

Questions?

If you have any questions, please refer to our Frequently Asked Questions page.