머신러닝 제품 상용화 경험이 있든, 없든 좋습니다.
응교수님과 함께 기초를 튼튼히 다진다면 스스로 공부할 힘을 기를 수 있을 겁니다!
- MLOps에 대해 더 깊게 공부하기 위한 기초를 쌓을 수 있어요.
- 거대 모델을 효율적으로 학습하고 운영하기 위한 기반을 닦을 수 있어요.
- 프로덕션 환경에서 머신러닝 제품이란 어떤 것인지 이해하기
- 데이터 라이프사이클 측면에서 머신러닝 이해하기
- 머신러닝 파이프라인 이해하기
- 머신러닝 모델 배포 이해하기
- 머신러닝 모델 개발 경험
- MLOps가 무엇인지 궁금한 분들
- 주당 1~2명씩 원하는 주차를 발표합니다.
- 추가 학습 자료가 있는 경우 공유하고 함께 학습합니다.
- 가능하다면 클라우드를 활용한 실습도 진행합니다.
- Overview of the ML Lifecycle and Deployment
- Selecting and Training a Model
- Data Definition and Baseline
Course2. Machine Learning Data Lifecycle in Production
- Collecting, Labeling, and Validating data
- Feature Engineering, Transformation, and Selection
- Data Journey and Data Storage
- Advanced Data Labeling Methods, Data Augmentation, and Preprocessing Different Data Types
Course 3. Machine Learning Modeling Pipelines in Production
- Neural Architecture Search
- Model Resource Management Techniques
- High-Performance Modeling
- Model Analysis
- Interpretability
Course4. Deploying Machine Learning Models in Production
- Model Serving Introduction
- Model Serving Patterns and Infrastructures
- Model Management and Delivery
- Model Monitoring and Logging
- 해당 주차를 진행하며 경험한 내용을 나누고 토론하며, 나머지 주차의 디테일한 목표 수준을 정하고자 합니다.
김한빈
#러닝머신 #ENTJ
자기 소개 및 개설 동기
보험사에서 AI/ML 프로덕트를 개발하고 있습니다.
프로덕트를 개발하는 것 자체보다 효율적으로 서빙하고 개선하는 것이 더 중요하다는 생각이, MLOps 풀잎 개설로 이어지게 되었습니다.
MLOps는 좋은 ML엔지니어가 되기 위해 꾸준히 공부해야하는 분야라고 생각합니다.
꾸준히 함께 성장할 분을 찾습니다.
소속
국내 보험사
풀잎스쿨 / LAB 참여 이력
LAB JAX/Flax LAB 참여
풀잎29기 응교수님과 함께하는 MLOps 퍼실
풀잎18기 같이 공부해보는 ADP 실기 퍼실
풀잎25기 검색엔진 만들어 보기 참여
풀잎19기 슬로우페이퍼 14기 : 추천시스템 특집 참여
풀잎18기 Natural language processing 기초부터 심화까지 참여
풀잎18기 2022년 특집 슬로우페이퍼 참여
풀잎17기 캐글/데이콘 으로 시작하는 데이터분석 입문반 참여
풀잎16기 구글 애널리틱스를 이용한 그로스해킹 첫걸음 참여
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
모임시작
2023년 03월 16일
모임일시
매주 목요일 19:30 ~ 22:30
모임장소
역삼캠퍼스
(서울 강남구 역삼로 156 태광빌딩 2층)
모집기간
2023년 02월 28일 ~ 03월 12일
모집인원
8명
모집방법
선착순
165,000원 / 총 8회 24시간
(6,875원 / 시간)
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
모임시작
2023년 03월 16일
모임일시
매주 목요일 19:30 ~ 22:30
모임장소
역삼캠퍼스
(서울 강남구 역삼로 156 태광빌딩 2층)
모집기간
2023년 02월 28일 ~ 03월 12일
모집인원
8명
모집방법
선착순
165,000원 / 총 8회 24시간
(6,875원 / 시간)
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
머신러닝 제품 상용화 경험이 있든, 없든 좋습니다.
응교수님과 함께 기초를 튼튼히 다진다면 스스로 공부할 힘을 기를 수 있을 겁니다!
- MLOps에 대해 더 깊게 공부하기 위한 기초를 쌓을 수 있어요.
- 거대 모델을 효율적으로 학습하고 운영하기 위한 기반을 닦을 수 있어요.
- 프로덕션 환경에서 머신러닝 제품이란 어떤 것인지 이해하기
- 데이터 라이프사이클 측면에서 머신러닝 이해하기
- 머신러닝 파이프라인 이해하기
- 머신러닝 모델 배포 이해하기
- 머신러닝 모델 개발 경험
- MLOps가 무엇인지 궁금한 분들
- 주당 1~2명씩 원하는 주차를 발표합니다.
- 추가 학습 자료가 있는 경우 공유하고 함께 학습합니다.
- 가능하다면 클라우드를 활용한 실습도 진행합니다.
- Overview of the ML Lifecycle and Deployment
- Selecting and Training a Model
- Data Definition and Baseline
Course2. Machine Learning Data Lifecycle in Production
- Collecting, Labeling, and Validating data
- Feature Engineering, Transformation, and Selection
- Data Journey and Data Storage
- Advanced Data Labeling Methods, Data Augmentation, and Preprocessing Different Data Types
Course 3. Machine Learning Modeling Pipelines in Production
- Neural Architecture Search
- Model Resource Management Techniques
- High-Performance Modeling
- Model Analysis
- Interpretability
Course4. Deploying Machine Learning Models in Production
- Model Serving Introduction
- Model Serving Patterns and Infrastructures
- Model Management and Delivery
- Model Monitoring and Logging
- 해당 주차를 진행하며 경험한 내용을 나누고 토론하며, 나머지 주차의 디테일한 목표 수준을 정하고자 합니다.
프로덕트를 개발하는 것 자체보다 효율적으로 서빙하고 개선하는 것이 더 중요하다는 생각이, MLOps 풀잎 개설로 이어지게 되었습니다.
MLOps는 좋은 ML엔지니어가 되기 위해 꾸준히 공부해야하는 분야라고 생각합니다.
꾸준히 함께 성장할 분을 찾습니다.
LAB JAX/Flax LAB 참여
풀잎29기 응교수님과 함께하는 MLOps 퍼실
풀잎18기 같이 공부해보는 ADP 실기 퍼실
풀잎25기 검색엔진 만들어 보기 참여
풀잎19기 슬로우페이퍼 14기 : 추천시스템 특집 참여
풀잎18기 Natural language processing 기초부터 심화까지 참여
풀잎18기 2022년 특집 슬로우페이퍼 참여
풀잎17기 캐글/데이콘 으로 시작하는 데이터분석 입문반 참여
풀잎16기 구글 애널리틱스를 이용한 그로스해킹 첫걸음 참여
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.