2021.03.29

슈퍼브에이아이, '실리콘밸리의 ML옵스’ e북 한국어 번역 및 무료 배포

편집부 | ITWorld
슈퍼브에이아이는 국내 AI 기업 및 관련 산업 종사자들의 ML옵스 이해도 제고 및 관련 생태계 확장을 위해 ‘실리콘밸리의 ML옵스’ e북을 한국어로 번역해 무료 배포한다고 밝혔다.

부제는 ‘머신러닝 서비스 구축을 위한 실전 ML옵스 가이드’다.



‘실리콘밸리의 ML옵스’는 글로벌 ML옵스 플랫폼 기업 발로하이를 비롯해 시그옵트, 테크톤이 제작에 참여했다. 발로하이와 테크톤은 슈퍼브에이아이와 함께 글로벌 인공지능 기업 연합 ‘AI 인프라스트럭쳐 얼라이언스(AI Infrastructure Alliance)’에 속해 있으며, 이번 e북 제작 및 한국어 번역도 ML옵스 저변 확장의 일환으로 기획되었다.

e북에는 ▲ML옵스의 중요성 ▲머신러닝 프로젝트의 역할 체계 ▲기존 소프트웨어와 머신러닝의 구분 ▲ML옵스 워크플로우(Workflow) ▲ML옵스 프로젝트 성과 측정 방법 ▲실제 사례 ▲ML옵스 툴체인(toolchain) 등 인공지능 기술을 폭넓게 활용하고, 개발 효율성 및 생산성 강화에 도움을 줄 수 있는 다양한 내용이 담겨 있다.

특히, ‘ML옵스 툴체인’ 파트에는 슈퍼브에이아이가 직접 작성한 ‘데이터 플랫폼’ 내용이 포함됐다. 해당 섹션은 데이터 플랫폼이 머신러닝 개발 프로젝트에서 필요한 이유와 데이터 플랫폼 도입을 통해 얻을 수 있는 편익 등에 대해 기술했다.

‘머신러닝 프로젝트의 역할 체계’는 지난 4년간 스타트업부터 포춘 500대 기업까지 약 500여 개의 다양한 조직 연구를 통해 나타난 머신러닝 프로젝트와 연관된 다양한 역할을 소개한다. 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 엔지니어, 데브옵스 엔지니어, IT, 비즈니스 책임자, 관리자 등 여러 학문 분야에 걸친 각 직무의 역할 및 특성 등을 정의해 머신러닝 프로젝트에 대한 이해를 돕는다.

‘ML옵스 워크플로우’는 ‘ML옵스의 목적’, ‘머신러닝의 위험 요인’, ‘출시 기간’, ‘공통 언어’, ‘자동화’ 등 머신러닝 시스템 개발 및 서비스 운영 시 참고 가능한 최적의 워크플로우 구축 방법을 제시한다. 또한, ‘지식 상실’, ‘생산 실패’, ‘규제와 윤리’ 등 프로덕션용 머신러닝에서 발생하는 가장 큰 위험 요인을 자세히 소개함으로써 안정적이고 신뢰성 있는 규칙을 통한 프로덕션 모델 제작의 중요성을 전달하고 있다.

실리콘밸리의 ML옵스 e북은 슈퍼브에이아이 홈페이지 블로그 섹션에 업로드되며, 기간이나 비용 제한없이 다운로드 받을 수 있다. editor@itworld.co.kr


2021.03.29

슈퍼브에이아이, '실리콘밸리의 ML옵스’ e북 한국어 번역 및 무료 배포

편집부 | ITWorld
슈퍼브에이아이는 국내 AI 기업 및 관련 산업 종사자들의 ML옵스 이해도 제고 및 관련 생태계 확장을 위해 ‘실리콘밸리의 ML옵스’ e북을 한국어로 번역해 무료 배포한다고 밝혔다.

부제는 ‘머신러닝 서비스 구축을 위한 실전 ML옵스 가이드’다.



‘실리콘밸리의 ML옵스’는 글로벌 ML옵스 플랫폼 기업 발로하이를 비롯해 시그옵트, 테크톤이 제작에 참여했다. 발로하이와 테크톤은 슈퍼브에이아이와 함께 글로벌 인공지능 기업 연합 ‘AI 인프라스트럭쳐 얼라이언스(AI Infrastructure Alliance)’에 속해 있으며, 이번 e북 제작 및 한국어 번역도 ML옵스 저변 확장의 일환으로 기획되었다.

e북에는 ▲ML옵스의 중요성 ▲머신러닝 프로젝트의 역할 체계 ▲기존 소프트웨어와 머신러닝의 구분 ▲ML옵스 워크플로우(Workflow) ▲ML옵스 프로젝트 성과 측정 방법 ▲실제 사례 ▲ML옵스 툴체인(toolchain) 등 인공지능 기술을 폭넓게 활용하고, 개발 효율성 및 생산성 강화에 도움을 줄 수 있는 다양한 내용이 담겨 있다.

특히, ‘ML옵스 툴체인’ 파트에는 슈퍼브에이아이가 직접 작성한 ‘데이터 플랫폼’ 내용이 포함됐다. 해당 섹션은 데이터 플랫폼이 머신러닝 개발 프로젝트에서 필요한 이유와 데이터 플랫폼 도입을 통해 얻을 수 있는 편익 등에 대해 기술했다.

‘머신러닝 프로젝트의 역할 체계’는 지난 4년간 스타트업부터 포춘 500대 기업까지 약 500여 개의 다양한 조직 연구를 통해 나타난 머신러닝 프로젝트와 연관된 다양한 역할을 소개한다. 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 엔지니어, 데브옵스 엔지니어, IT, 비즈니스 책임자, 관리자 등 여러 학문 분야에 걸친 각 직무의 역할 및 특성 등을 정의해 머신러닝 프로젝트에 대한 이해를 돕는다.

‘ML옵스 워크플로우’는 ‘ML옵스의 목적’, ‘머신러닝의 위험 요인’, ‘출시 기간’, ‘공통 언어’, ‘자동화’ 등 머신러닝 시스템 개발 및 서비스 운영 시 참고 가능한 최적의 워크플로우 구축 방법을 제시한다. 또한, ‘지식 상실’, ‘생산 실패’, ‘규제와 윤리’ 등 프로덕션용 머신러닝에서 발생하는 가장 큰 위험 요인을 자세히 소개함으로써 안정적이고 신뢰성 있는 규칙을 통한 프로덕션 모델 제작의 중요성을 전달하고 있다.

실리콘밸리의 ML옵스 e북은 슈퍼브에이아이 홈페이지 블로그 섹션에 업로드되며, 기간이나 비용 제한없이 다운로드 받을 수 있다. editor@itworld.co.kr


X