🚀 MLOps 파이프라인 구현

⚠️ 필독: 사전 환경 설정

📋 운영체제별 설정 가이드

✅ 사전 설정 체크리스트

🔍 빠른 확인 명령어

# 모든 도구 버전 확인
aws --version && kubectl version --client && docker --version && python3 --version && git --version
# Python 패키지 확인
python3 -c "import kfp, mlflow, sklearn, onnxruntime; print('✅ 모든 패키지 설치 완료')"

📋 교육 개요

🎯 학습 목표

📅 교육 일정

강의 시간

3일 커리큘럼

Day 1: MLOps 기초 & Kubeflow 파이프라인

Day 2: 모델 서빙 & MLflow

Day 3: 모니터링 & 프로젝트

📁 Repository 구조

ha-mlops-pipeline/
├── README.md # 📌 이 파일 (메인 가이드)
├── docs/ # 📚 문서
│ ├── SETUP_MACOS.md # 🍎 macOS 환경 설정
│ ├── SETUP_WINDOWS.md # 🪟 Windows 환경 설정
│ └── TROUBLESHOOTING.md # 🔧 트러블슈팅 가이드
│
├── day1/ # 📅 1일차 실습
│ ├── lab1-1_mlops-environment-setup/
│ ├── lab1-2_hello-pipeline/
│ └── lab1-3_batch-pipeline/
│
├── day2/ # 📅 2일차 실습
│ ├── lab2-1_fastapi-serving/
│ ├── lab2-2_mlflow-tracking/
│ └── lab2-3_kserve-deployment/
│
├── day3/ # 📅 3일차 실습
 ├── lab3-1_drift-monitoring/
 ├── lab3-2_e2e-pipeline/
 ├── lab3-3_model-optimization/ # 🆕 ONNX & Quantization
 └── project/ # 팀 프로젝트

🚀 시작하기

1. Repository 클론

git clone https://github.com/fastcampusdevmlops/ha-mlops-pipeline.git
cd ha-mlops-pipeline

2. 환경 변수 설정

# ⚠️ 본인의 사용자 번호로 변경하세요!
export USER_NUM="01" # 예: 01, 02, ..., 15, 20
# 자동 설정되는 환경 변수
export NAMESPACE="kubeflow-user${USER_NUM}"
export S3_BUCKET="mlops-training-user${USER_NUM}"
export ECR_IRIS_API_REPO="mlops-training/user${USER_NUM}"
# 확인
echo "네임스페이스: ${NAMESPACE}"
echo "S3 버킷: ${S3_BUCKET}"

3. AWS 자격 증명 설정

aws configure
# AWS Access Key ID: [제공된 Access Key]
# AWS Secret Access Key: [제공된 Secret Key]
# Default region name: ap-northeast-2
# Default output format: json

4. EKS 클러스터 연결

aws eks update-kubeconfig \
 --region ap-northeast-2 \
 --name mlops-training-cluster
# 연결 확인
kubectl get nodes

5. Kubeflow 접속

# 포트 포워딩
kubectl port-forward svc/istio-ingressgateway -n istio-system 8080:80
# 브라우저에서 접속
# http://localhost:8080

📚 실습 가이드

Day 1 Labs

Day 2 Labs

Day 3 Labs

Day 3 프로젝트

🛠️ 기술 스택

플랫폼 & 인프라

스토리지

개발 도구

📞 지원

교육 중 문제 발생 시

📝 참고 자료

공식 문서

추가 학습