훈련과정 정보 | 훈련과정명 Red Hat OpenShift AI를 활용한 MLOps 실습 훈련목표(목적 등) 데이터 사이언티스트가 만든 모델을 엔지니어가 어떻게 안정적으로 서비스(Serving)하고 관리할 것인가에 대한 해답과 핵심 역량을 배양하는 것을 목표 훈련대상 MLOps 담당자 및 AI 인프라 관리자 OpenShift AI 환경에서 파이프라인 자동화와 모델 리소스 모니터링 실무를 익히고자 하는 신입~5년 차 클라우드 플랫폼 관리자, DevOps 엔지니어, 시스템 관리자 권장 훈련시간(H) 21 비대면 실시간 가능 여부 O 훈련일정 5월~12월 수시(공식홈페이지 기재) 과정 소개(요약) 또는 부가 안내 OpenShift AI 환경을 이해하고, AI 파이프라인 구축부터 모델 서빙 및 모니터링까지 AI 서비스 배포 자동화(MLOps) 전 과정을 다루는 입문 및 실습 과정입니다. |
교육과정 구성 | 교과목 1 OpenShift AI 환경 이해 단원(과제명) 클러스터 아키텍처 및 개발 환경 세부내용 - 클러스터 아키텍처 및 OpenShift AI(RHOAI) 대시보드 활용법 - Jupyter Notebook을 활용한 AI 개발 환경 개인화 실습 편성시간(H) 4 단원(과제명) 컨테이너 기반 분석 환경 세부내용 컨테이너 기반 데이터 분석 환경 구축 편성시간(H) 3 교과목 2 AI 파이프라인 구축 단원(과제명) 워크플로우 및 데이터 파이프라인 세부내용 - Elyra를 이용한 워크플로우 시각화 및 자동화 - 데이터 전처리 → 모델 학습 → 모델 저장 과정의 파이프라인화 편성시간(H) 4 단원(과제명) AI 모델 버전 관리 세부내용 GitOps(ArgoCD)를 활용한 AI 모델 버전 관리 편성시간(H) 3 교과목 3 모델 서빙 및 모니터링 단원(과제명) 모델 추론 서비스 배포 세부내용 KServe/ModelMesh를 활용한 AI 모델 추론(Inference) 서비스 배포 편성시간(H) 3 단원(과제명) 성능 모니터링 및 실시간 배포 실습 세부내용 - 모델 성능 모니터링 및 리소스(CPU/GPU) 최적화 설정 편성시간(H) 4 |
교강사 프로필 | 교강사 프로필(요약) · 교강사 : 이준호 · 학력 · 경력 · 자격증 |
시설, 장비, 교재 | 시설 · 시설 : 601강의실 (30석) 장비 - 컴퓨터(CPU i7, RAM 32G, SSD 500G) 30대 - 모니터 30대 - Red Hat 공식 온라인 학습 및 핸즈온 랩 포털 (웹 기반) - 공인 실습 Lab 사용 교재 - 강의교안ppt - 온라인 ebook 사용 및 PDF다운로드 가능 |
훈련과정 정보 | 훈련과정명 Red Hat OpenShift AI를 활용한 MLOps 실습 훈련목표(목적 등) 데이터 사이언티스트가 만든 모델을 엔지니어가 어떻게 안정적으로 서비스(Serving)하고 관리할 것인가에 대한 해답과 핵심 역량을 배양하는 것을 목표 훈련대상 MLOps 담당자 및 AI 인프라 관리자 OpenShift AI 환경에서 파이프라인 자동화와 모델 리소스 모니터링 실무를 익히고자 하는 신입~5년 차 클라우드 플랫폼 관리자, DevOps 엔지니어, 시스템 관리자 권장 훈련시간(H) 21 비대면 실시간 가능 여부 O 훈련일정 5월~12월 수시(공식홈페이지 기재) 과정 소개(요약) 또는 부가 안내 OpenShift AI 환경을 이해하고, AI 파이프라인 구축부터 모델 서빙 및 모니터링까지 AI 서비스 배포 자동화(MLOps) 전 과정을 다루는 입문 및 실습 과정입니다. |
교육과정 구성 | 교과목 1 단원(과제명) 클러스터 아키텍처 및 개발 환경 세부내용 - 클러스터 아키텍처 및 OpenShift AI(RHOAI) 대시보드 활용법 - Jupyter Notebook을 활용한 AI 개발 환경 개인화 실습 편성시간(H) 4 단원(과제명) 컨테이너 기반 분석 환경 세부내용 컨테이너 기반 데이터 분석 환경 구축 편성시간(H) 3 교과목 2 단원(과제명) 워크플로우 및 데이터 파이프라인 세부내용 - Elyra를 이용한 워크플로우 시각화 및 자동화 - 데이터 전처리 → 모델 학습 → 모델 저장 과정의 파이프라인화 편성시간(H) 4 단원(과제명) AI 모델 버전 관리 세부내용 GitOps(ArgoCD)를 활용한 AI 모델 버전 관리 편성시간(H) 3 교과목 3 단원(과제명) 모델 추론 서비스 배포 세부내용 KServe/ModelMesh를 활용한 AI 모델 추론(Inference) 서비스 배포 편성시간(H) 3 단원(과제명) 성능 모니터링 및 실시간 배포 실습 세부내용 - 모델 성능 모니터링 및 리소스(CPU/GPU) 최적화 설정 편성시간(H) 4 |
교강사 프로필 | 교강사 프로필(요약) · 교강사 : 이준호 · 학력 · 경력 · 자격증 |
시설, 장비, 교재 | 시설 · 시설 : 601강의실 (30석) 장비 - 컴퓨터(CPU i7, RAM 32G, SSD 500G) 30대 - 모니터 30대 - Red Hat 공식 온라인 학습 및 핸즈온 랩 포털 (웹 기반) - 공인 실습 Lab 사용 교재 - 강의교안ppt - 온라인 ebook 사용 및 PDF다운로드 가능 |