AI267
Developing and Deploying AI/ML Applications on Red Hat OpenShift AI
교육 과정 개요
Red Hat OpenShift AI를 사용하여 현대적인 AI 애플리케이션의 전체 라이프사이클을 규모에 맞게 운영
Developing and Deploying AI/ML Applications on Red Hat OpenShift AI(AI267)에서는 현대적인 AI 애플리케이션의 전체 라이프사이클을 관리하는 데 필요한 기본 지식을 학습합니다. 이 교육 과정을 통해 수강생은 Red Hat OpenShift AI를 사용하여 예측 AI 및 생성형 AI 모델을 규모에 맞게 효율적으로 학습시키고 테스트, 배포, 모니터링하는 데 필요한 핵심 기술을 습득할 수 있습니다.
이 교육 과정은 Red Hat OpenShift ® 4.18 및 Red Hat OpenShift AI 2.25를 기준으로 합니다.
교육 과정 내용 요약
- Red Hat OpenShift AI 소개
- AI/ML 개발용 워크벤치 사용
- 모델 서빙의 기본 사항
- 생성형 및 예측 AI 모델 서빙
- AI 모델 모니터링
- 데이터 사이언스 파이프라인 소개
- 고급 Kubeflow Pipelines 개발 및 실험
- 생성형 AI 모델 선택, 최적화, 평가
- 생성형 AI 애플리케이션 구축
교육 대상
- 배포, 자동화, 모니터링과 같은 MLOps/LLMOps 라이프사이클의 운영 태스크를 처리하는 ML 엔지니어
- 자체 모델을 학습시키고, 배포하고, 트래킹하는 데이터 사이언티스트
권장 교육
- 무료 평가를 통해 이 교육 과정이 기술 향상에 가장 적합한 과정인지 확인합니다.
- 머신 러닝 원칙 및 워크플로우에 대한 기본 지식
- 생성형 AI 및 대규모 언어 모델(LLM)에 대한 기본 지식
- 기본적인 Git 경험 필요
- Python 개발 경험 필요 또는 Python Programming with Red Hat(AD141) 교육 과정 이수
- Red Hat OpenShift 경험 필요 또는 Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications(DO288) 교육 과정 이수
교육 과정 내용
Red Hat OpenShift AI 소개
완전한 MLOps 및 GenAIOps 플랫폼을 지원하는 Red Hat OpenShift AI의 역량 및 Red Hat OpenShift AI를 사용하여 팀 협업을 위한 데이터 사이언스 프로젝트를 구성하는 방법을 확인합니다.
AI/ML 개발용 워크벤치 사용
AI/ML 개발용 워크벤치 환경을 사용하고 이를 데이터 소스 및 저장소에 연결합니다.
모델 서빙의 기본 사항
OpenShift AI 모델 서빙 기능을 사용하여 모델을 준비, 배포, 서빙합니다.
생성형 및 예측 AI 모델 서빙
예측 모델을 위한 OpenVINO와 대규모 언어 모델을 위한 vLLM을 포함한 특정 런타임으로 AI 모델을 배포하고 서빙합니다.
AI 모델 모니터링
TrustyAI와 관측성 툴을 사용해 배포된 모델의 편향, 데이터 드리프트, 성능을 모니터링하여 프로덕션 환경에서 안정적이고 윤리적인 AI 성능을 보장합니다.
데이터 사이언스 파이프라인 소개
기본 AI/ML 워크플로우를 자동화하기 위해 Elyra 및 Kubeflow SDK를 사용하여 기본 데이터 사이언스 파이프라인을 생성하고 관리합니다.
고급 Kubeflow Pipelines 개발 및 실험
컨테이너 구성 요소, 아티팩트 관리, 쿠버네티스 구성, 프로덕션 MLOps 워크플로우를 위한 체계적인 실험을 포함한 고급 파이프라인 기능을 구현합니다.
생성형 AI 모델 선택, 최적화, 평가
RHOAI의 모델 카탈로그, 압축 기술, 평가 프레임워크를 사용하여 대규모 언어 모델을 체계적으로 선택, 최적화, 평가합니다.
생성형 AI 애플리케이션 구축
RAG, 에이전틱 워크플로우, 신뢰할 수 있는 AI 사례 등의 산업 패턴을 사용하여 프로덕션 레디 생성형 AI 애플리케이션을 구축하고 기본적인 모델 서빙을 넘어 완전한 지능형 솔루션을 제공합니다.
조직에 미치는 효과
- AI 툴 통합의 복잡성 증가 및 수동 태스크로 인해 조직의 데이터 사이언스 작업이 느려지는 경우가 많으며, 특히 생성형 AI에서 더 그렇습니다. Red Hat OpenShift AI를 통해 조직은 현대적인 AI 애플리케이션의 전체 라이프사이클을 관리할 수 있는 통합 플랫폼을 확보할 수 있습니다. 이러한 기능을 통해 예측 AI 및 생성형 AI 모델을 규모에 맞게 효율적으로 학습시키고 테스트, 배포, 모니터링하여 실험적인 이니셔티브를 신뢰할 수 있는 비즈니스 성과로 전환할 수 있습니다.
개인에게 미치는 효과
- 이 교육 과정을 이수하면 예측 AI 및 생성형 AI 모델을 규모에 맞게 효율적으로 학습시키고 테스트, 배포, 모니터링하여 현대적인 AI 애플리케이션의 전체 라이프사이클을 관리할 수 있습니다. 데이터 사이언스 협업 프로젝트를 구성하고, 워크벤치 환경을 효율적으로 활용하고, 전문 리소스를 할당하는 방법을 배웁니다. 전문화된 런타임을 사용하여 모델을 준비, 배포, 서빙합니다. 또한 고급 데이터 사이언스 파이프라인을 생성하여 MLOps 워크플로우를 자동화하고 프로덕션 레디 생성형 AI 솔루션을 구축합니다. 마지막으로, 배포된 모델의 편향 및 데이터 드리프트를 관련 툴을 통해 모니터링하여 안정적이고 윤리적인 AI 성능을 보장하고 생성형 애플리케이션을 위한 안전 가드레일을 구현합니다.
권장되는 다음 교육 과정 또는 시험
기술을 마스터하는 다양한 방법
전문가 주도 가상 교육과 자기 주도식 학습, 전문가의 지원, 자격증 시험 등 두 가지 방식의 장점을 모두 누릴 수 있습니다. Red Hat Learning Subscription에 모두 포함되어 있습니다.
가용한 현장 교육
원하는 때에 팀원 전체를 교육하세요. 대면 교육, 원격 교육 모두 가능합니다.
Red Hat Learning Subscription
Red Hat 제품에 대한 통합 교육 및 학습 경로, 업계에서 인증된 자격증, 유연하고 다이나믹한 IT 학습 경험.
