List view
홈
홈
MLXP 사용가이드
MLXP 사용가이드
사전지식 가이드
사전지식 가이드
사이트변경안내
사이트변경안내
교육 과정
ML expert Platform 활용 전반을 단계적으로 이해할 수 있도록 기초부터 심화까지 이어지는 교육 과정으로 구성되어 있습니다.
사용자 수준과 목적에 따라 단계별로 구성되어 있으며, 필요한 과정만 선택해 학습할 수 있습니다.
이런 분들께 추천합니다
- ML expert Platform를 처음 접하거나 사용 경험이 많지 않은 분
- 플랫폼 구조와 구성 요소를 이해하고 싶은 분
- 실습 중심 교육에 앞서 기본 개념을 정리하고 싶은 분
- 심화 기능 학습 전, 기초 개념을 점검하고 싶은 분
제공되는 이론 교육 과정
아래에서 원하는 교육 과정을 선택해 주세요.
MLXP 사용자교육
ML expert Platform 사용 및 운영을 위한 교육
- MLXP 주요 기능에 대한 상세 설명
- UI 및 Kubeflow 컴포넌트별 사용 방법
- GPU 자원, 파이프라인, 모델 관리 등 운영 기준
- 자주 발생하는 이슈와 참고 사항
👉 교육 이후 실제 업무에서 MLXP를 사용·운영하는 모든 사용자에게 권장
[자세히 보기]
Kubeflow & MLXP 기초교육
Kubeflow 기본 구조와 사용 흐름을 이해하는 MLXP 활용 교육
- Kubeflow의 역할과 전체 아키텍처 구조 이해
- 주요 컴포넌트 개념 및 기본 사용 흐름
- MLXP 환경에서의 Kubeflow 활용 방식
👉 Kubeflow를 처음 접하거나, MLXP 기반 실습·심화 교육을 준비하는 사용자에게 권장
[자세히 보기]
ML expert Platform 심화교육
모델 실험·시각화·파이프라인 자동화·분산 실행까지 다루는 MLXP 심화 교육
- Jupyter Notebook에서 시작하는 모델 실험 흐름 이해
- TensorBoard와 Kubeflow Pipelines를 통해 시각화와 자동화 경험
- Multinode Job, Training Operator, PyTorchJob 기반 분산 학습 구조 이해
👉 MLXP를 기반으로 실험, 학습, 운영까지 전 과정을 직접 다뤄보고 싶은 ML, AI 실무자에게 권장
[자세히 보기]
KServe 및 Volcano 심화 교육
KServe를 활용한 모델 서빙과 Volcano를 통한 자원 최적화 심화 교육
- Serving 개념과 흐름 (KServe, InferenceService 등)
- 스케줄링 및 GPU 자원 관리 (Gang Scheduling, Queue)
- Multinode 기반 분산 학습 및 AI 서비스 운영 아키텍처
👉 AI 모델을 실제 서비스로 운영하고 자원 효율을 극대화하고 싶은 실무자에게 권장
[자세히 보기]
교육 선택 가이드
- MLXP가 처음이라면 → MLXP 사용자교육
- 전체 흐름을 먼저 파악하고 싶다면 → Kubeflow 기초교육
- 실제 운영까지 해보고 싶다면 → MLXP 심화교육
※ 각 교육은 독립적으로 수강할 수 있습니다.
Made with Bullet