주요 컨텐츠로 이동

Machine Learning Operations - Korean

이 과정은 참가자들이 MLOps와 모델 라이프사이클 관리에 중점을 두어 머신 러닝 모델 운영을 종합적으로 탐구할 수 있도록 가이드를 제공합니다. 초반부에서는 필수 MLOps 구성 요소와 모범 사례를 다루며, 참가자들이 머신 러닝 모델을 효과적으로 운영화하기 위한 탄탄한 기반을 갖출 수 있도록 합니다. 과정 후반부에서는 모델 라이프사이클의 기본 개념을 심층적으로 살펴보고, Unity Catalog와 연계된 Model Registry를 활용하여 효율적인 모델 관리를 위해 라이프사이클을 원활하게 탐색하는 방법을 시연합니다. 과정이 마무리될 즈음에는 참가자들이 실질적인 인사이트와 MLOps 원칙에 대한 균형 잡힌 이해를 갖추게 되며, 복잡한 머신 러닝 모델 운영 환경을 탐색하는 데 필요한 역량을 습득하게 됩니다.


참고: SCORM 강의 파일을 이용할 때는 콘텐츠를 모두 학습한 후 SCORM 창을 닫으시기 바랍니다. ‘다음 강의’ 버튼을 클릭하지 마십시오. 클릭할 경우 SCORM 모듈이 완료로 표시되지 않을 수 있습니다.

Skill Level
Associate
Duration
2h
Prerequisites

이 과정을 시작하기 전에 최소한 다음 사항에 익숙해야 합니다.

• Databricks Data Intelligence Platform 및 기본 워크스페이스 운영(클러스터 생성, 노트북에서 코드 실행, 기본 노트북 운영, Git에서 Repos 가져오기)에 대한 기본 지식

• Pandas, NumPy 등 데이터 조작 라이브러리 및 APIs(REST 엔드포인트, JSON 페이로드) 활용을 포함한 Python 중급 프로그래밍 경험

• 실험 추적, 모델 로깅, Model Registry 운영 및 모델 수명 주기 관리를 위한 MLflow 기본 지식

• 모델 학습, 평가, 배포 워크플로 및 성능 모니터링 개념을 포함한 머신 러닝 기초 이해

• 데이터 품질 평가, 특성 엔지니어링, 모델 테스트 및 지속적인 모니터링 실践을 포함한 MLOps 개념에 대한 기본 지식

• 클라우드 플랫폼 및 개발 도구의 명령줄 인터페이스 및 인증 설정에 대한 기본 경험

• Lakeflow Jobs 및 워크플로 오케스트레이션 개념(태스크 의존성, 조건부 로직, 스케줄링, 알림)에 대한 이해

• 성능 메트릭 및 이상 탐지를 포함한 모델 모니터링 및 드리프트 감지 원칙에 대한 기본 지식

Self-Paced

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

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

Databricks Data Privacy - Korean

Databricks 데이터 프라이버시는 데이터 엔지니어가 Databricks Data Intelligence Platform에서 개인 데이터를 찾고, 보호하고, 삭제하고, 책임 있게 관리하는 방법을 가르칩니다. 프라이버시를 Unity Catalog와 Delta Lake 위에 구축된 기술적 결정과 컨트롤의 집합으로 다룹니다. 이 과정은 프라이버시를 보안, 거버넌스, 컴플라이언스와 구분한 뒤, 식별·보호·관리·검증 생명주기와 학습자가 모든 기법에 적용하는 짧은 의사결정 모델을 중심으로 작업을 구성합니다.

학습자는 먼저 Data Classification으로 민감 컬럼을 찾고, 거버넌스 태그로 각 컬럼의 처리 방식을 기록합니다. 태그 기반 속성 기반 액세스 제어(ABAC) 정책으로 해당 컬럼을 보호하고, 중앙 정책이 맞지 않으면 수동 컬럼 마스크와 행 필터를 사용합니다. 비식별화는 솔트 해싱, 별도로 거버넌스되는 볼트를 통한 토큰화, 컬럼 암호화로 더 나아가며, 솔트와 키는 Databricks Secrets에 보관합니다. 삭제권의 경우 요청을 추적하고, 분류와 리니지로 대상자의 데이터를 찾고, DELETE와 MERGE로 삭제 및 변경을 전파한 다음, REORG TABLE ... APPLY (PURGE)와 보존 기간을 고려한 VACUUM으로 기본 파일을 퍼지합니다. 과정은 리니지, 감사 로그, 쿼리 이력, Delta 테이블 이력을 결합하여 각 컨트롤이 작동했는지 보여주는 증거 추적으로 마무리됩니다.

모든 데이터는 합성 데이터입니다. 데모는 한 다국적 소매업체의 데이터 자산을 생명주기를 따라가며, 마스킹된 쿼리 결과, 빈 삭제 확인, 테이블 이력 항목처럼 컨트롤이 작동했다는 증거로 각 단계를 끝냅니다. 시나리오 기반 실습 두 개가 워크플로를 강화합니다. 첫 번째에서는 자회사 고객 테이블의 깨진 보호를 복구합니다. 두 번째에서는 반쯤 완료된 삭제 요청을 마무리하고 완료 증거를 구성합니다. 이 과정은 기술 과정이며 법률 자문을 제공하지 않습니다.

참고:

1. 이 강좌는 '데이터브릭을 사용한 고급 데이터 엔지니어링' 시리즈의 두 번째 강좌입니다.

2. SCORM 강의 파일을 이용할 때는 콘텐츠를 모두 학습한 후 SCORM 창을 닫으시기 바랍니다. ‘다음 강의’ 버튼을 클릭하지 마십시오. 클릭할 경우 SCORM 모듈이 완료로 표시되지 않을 수 있습니다.

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

Free
2h
Professional

Questions?

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