전체 글239 [ML Study] BentoML 패키징부터 Yatai 구축, Evidently 데이터 드리프트 감시까지 가시다(서종호)님이 운영하시는 Machine Learning Platform Engineering 스터디에 참여하며 정리한 글입니다. 이번 글에서는 지난 포스팅에서 구축한 MLOps 배치 추론 환경(MLflow, Feast, KFP)에 이어, 학습된 모델을 실제 서비스용 웹 API로 포장하는 BentoML, 쿠버네티스 기반의 중앙 관리 시스템인 Yatai, 그리고 시간 흐름에 따른 모델 성능 저하와 데이터 드리프트를 감시하는 Evidently를 결합하여 한층 더 고도화된 MLOps 프로덕션 파이프라인을 구축하는 전 과정을 살펴보겠습니다. BentoML: AI 모델을 완벽하게 포장하는 박스 '포장기'AI 모델을 제품(서비스)으로 포장해서 쿠버네티스 같은 인프라에 곧바로 배포할 수 있게 해주는 표준화된 택.. 2026. 11. 7. [ML Study] MLflow, Feast, KFP를 활용한 MLOps End-to-End 파이프라인 구축 #2 가시다(서종호)님이 운영하시는 Machine Learning Platform Engineering 스터디에 참여하며 정리한 글입니다지난 포스팅에서는 리눅스 터미널 환경에서 MLflow를 이용해 추천 모델을 학습시키고 기본적인 파이프라인을 구성하는 과정을 살펴보았습니다.이번 글에서는 MLOps 파이프라인의 완성도를 높이는 핵심 단계인 ① 기준을 통과한 모델만 선별하는 품질 게이트와 모델 레지스트리 등록, ② 일부러 평가를 실패시키는 거절(Reject) 테스트, 그리고 ③ 데이터 누수를 방지하는 Feast 피처 스토어(과거 시점 조회 및 온라인 적재) 구축까지 이어서 실습해 봅니다. 1. 평점 데이터 준비 및 추천 모델 학습 실험을 수행하기 전, 모델 학습과 평가에 사용할 합성 평점 데이터를 생성합니다. 본.. 2026. 10. 31. [ML Study] MLflow, Feast, KFP를 활용한 MLOps End-to-End 파이프라인 구축 #1 가시다(서종호)님이 운영하시는 Machine Learning Platform Engineering 스터디에 참여하며 정리한 글입니다 이번 글에서는 제 PC 환경(Windows WSL 및 kind 클러스터) 위에 MLFlow, Feast, Kubeflow Pipeline(KFP), MinIO, Redis 등 MLOps 핵심 도구들을 직접 구축하고, 배치 추론 파이프라인을 실행하는 전 과정을 살펴보겠습니다. 이번에 구축할 파이프라인은 모델을 직접 학습(Training)하는 과정이 아니라, 이미 준비된 모델과 Feast 정의를 사용하여 배치 추론(Batch Inference)을 수행하는 전체 과정을 실습합니다. 전체 시스템 아키텍처위의 파이프라인은 모델을 학습하지 않습니다.모델과 Feast 정의를 사용해.. 2026. 10. 30. [ML Study] 인공지능은 어떻게 학습할까? 가시다(서종호)님이 운영하시는 Machine Learning Platform Engineering 스터디에 참여하며 정리한 글입니다. 공부를 하다 보니 AI 학습이란 "정답이 나오도록 가중치를 계속 고쳐나가는 반복 과정"이라는 본질이 뚜렷하게 느껴졌습니다.첫 AI 스터디라 생소한 용어가 많고 낯설어서 좀더 내용을 보완하고 쉽게 작성하려고 노력했습니다. 📚 목차인공신경망과 뉴런가중치와 오차인공지능/머신러닝/딥러닝과 순전파 vs 역전파AI는 이미지·언어를 어떻게 읽을까훈련 vs 추론사람 피드백(RLHF)과 기초모델머신러닝 수명주기문제 정의: ML을 꼭 써야 할까?데이터 수집·버전 관리모델 평가와 검증피처와 피처 스토어리니지와 모델 배포 1. 🧠 인공신경망과 뉴런참고 블로그: https://m.b.. 2026. 10. 18. Strands Agent와 MCP 기반 최적화 리포트 생성 #3. 최적화 리포트 생성 안녕하세요😊이번 포스팅에서는 MCP와 Strands Agent 기반의 EKS 최적화 리포트를 자동 생성해보려고 합니다. 1. 환경 구성 ☁️ EC2 인스턴스 1대 준비인스턴스 타입t3.medium 이상 (Agent 처리 + kubectl + Python 동시 실행)OSAmazon Linux 2023 또는 Ubuntu 22.04스토리지20GB 이상네트워크대상 EKS 클러스터의 API 서버에 접근 가능한 VPC/서브넷 (Private EKS면 같은 VPC 또는 피어링 필요)보안그룹인바운드: 본인 IP에서 5001(또는 리버스프록시 포트)만 허용 💻 필수 설치 소프트웨어# 기본 업데이트sudo dnf update -y# Python 패키지 설치sudo dnf install -y python3.11 p.. 2026. 9. 5. Strands Agent와 MCP 기반 최적화 리포트 생성 #2. CFM MCP 안녕하세요😊Strands Agent와 MCP 기반 최적화 리포트를 생성해보려고 합니다. 🎯 목표 아키텍처 🏗️ 핵심 구성 요소별 1. Web Browser (사용자 입력)사용자가 웹페이지에서 "이 계정의 클러스터 점검해줘" 같은 요청을 입력하는 곳2. Flask Web App (eks_web_app)파이썬으로 만든 웹 서버. 사용자 요청을 받아서 아래 두 곳에 작업을 시킴 (컨트롤타워 역할)3-1. AWS Boto3AWS 리소스(EKS, EC2, CloudWatch 등) 정보를 파이썬 코드로 직접 조회하는 라이브러리3-2. kubectl쿠버네티스 클러스터 내부(파드, 노드 상태 등)에 직접 명령을 날려서 정보를 가져오는 도구4. MCP Server (CFM Tips)위에서 모은 AWS 정보 + 클.. 2026. 9. 5. 이전 1 2 3 4 ··· 40 다음
