쿠브플로우 중심 AI 모델 설계와 운영

쿠브플로우 중심 AI 모델 설계와 운영

$12.52
Description
AI 개발의 가장 큰 문제는 성능이 아니라 재현성이다. 같은 코드인데 결과가 달라지고, 실험 조건이 기록되지 않으면 모델은 기억에 의존한 결과물이 된다. 쿠브플로우와 쿠버네티스를 중심으로 데이터 전처리, 학습, 자동화, 배포, 운영을 하나의 흐름으로 연결하며, 반복 가능하고 신뢰할 수 있는 AI 시스템 설계 방법을 설명한다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.
저자

김동길

강릉원주대학교산업공학박사학위를2018년에취득한후,현재강원ICT융합연구원AI솔루션그룹에서선임연구원으로재직중이다.주요연구분야는MLOps관련백엔드시스템설계로,특히최적화,리소스관리,모니터링,자동화된학습파이프라인구축등을중심으로연구하고있다.또한효율적인AI인프라운영과확장성을확보하는기술개발에집중하고있으며,관련기술에대한특허를보유하고있다.주요연구성과로는“Kubeflow기반다양한어노테이션포맷통합및자동화된객체탐지라벨링시스템개발”(2025),“딥러닝시스템에서MIG기반GPU자원의효율적활용을위한Kubeflow연계방안”(2026)등이있으며,그외에도10편이상의논문을KCI등재학술지에게재하였다.

목차

AI모델의학습과정과쿠브플로우역할

01AI모델의작동환경
02AI모델개발의본질적어려움
03쿠버네티스의기본이해
04쿠브플로우의등장배경과목적
05AI모델개발의전체과정
06주피터기반AI모델첫실험
07AI모델실험자동화체계
08AI모델성능최적화
09AI모델배포과정
10AI모델운영의의미

출판사 서평

AI개발은코드가아니라흐름을설계하는일이다
처음AI모델을만들때사람들은흔히몇줄의코드와높은정확도만있으면모델이완성되었다고생각한다.그러나실제프로젝트는전혀다른문제를드러낸다.어제잘작동하던모델이오늘은성능이달라지고,같은코드를실행했는데도결과가미묘하게변한다.문제는대부분모델내부가아니라그바깥에있다.데이터전처리방식,실행환경,라이브러리버전,실험순서같은보이지않는조건들이결과를흔들기때문이다.바로그불안정한과정에주목해AI개발의핵심은더복잡한알고리즘이아니라,반복가능하고설명가능한흐름을만드는데있다는점을차분하게보여준다.그리고그중심에쿠브플로우(Kubeflow)를놓는다.쿠브플로우는이흐름을설계하기위한구조로,데이터수집과전처리,학습과실험관리,자동화와배포,운영과개선까지AI개발전과정을하나의파이프라인으로연결한다.이를바탕으로왜실험이재현되지않는지,왜협업이혼란스러워지는지,왜기록되지않은모델은결국기억에의존하게되는지를실제개발경험속에서풀어낸다.그리고쿠버네티스기반의AI운영구조를통해모델을‘한번실행되는결과물’이아니라지속적으로반복·관리·확장가능한시스템으로전환하는방법을제시한다.AI개발이모델하나를만드는일이아니라,신뢰할수있는과정을설계하는일이라는사실을설득력있게보여주는책이다.