Hacker News 의견

• Kafka, Docker, Kubernetes, Jenkins는 업계 표준 도구이며, MLOps에 중점을 두는 것이 신선함. 모델 구축에 그치지 않고 실제 프로덕션 시스템과의 연결을 다루는 과정이 좋음. 설명 가능성, 공정성, 모니터링도 다루고 있음이 인상적임

  • 초급 수준일까? 실습을 보면 중급 소프트웨어 엔지니어나 동기 부여된 초보자도 튜토리얼로 배울 수 있는 내용이 많음. Git, Flask, 컨테이너 오케스트레이션은 유용하지만, 이미 프로덕션 환경에서 일한 사람에게는 기본적임. 분산 학습을 위한 네트워킹 최적화나 대규모 추론 관리 같은 깊이 있는 도전 과제는 덜 다루어지는 것 같음. 그룹 프로젝트에서 다루어질지도 궁금함
  • 사용하는 도구의 장기적인 관련성도 궁금함. Jenkins는 어디에나 있지만, CI/CD를 위해 GitHub Actions나 ArgoCD 같은 더 현대적인 것을 소개하는 것이 합리적이지 않을까? Kubernetes는 당연히 알아야 하지만, 엣지 배포나 서버리스 시스템을 위한 대안이나 보조 도구는 어떨까? 미래로 조금 더 나아갈 기회가 있는 것 같음

• 데이터 품질에 대한 내용이 거의 없고 16장에 있음... 저자들이 산업에서 얼마나 실무 경험이 있는지 궁금함. 데이터 품질과 데이터 정리에 90%의 시간이 소요됨

• 머신러닝 클러스터 인프라 구축에 관한 문헌이나 강좌를 아는 사람 있음? 주로 스토리지 인프라 구축 및 확장, 네트워킹 및 스케줄링 접근 방식에 관심이 있음

• 학생이 아닌 다른 사람들과 함께 따라갈 수 있는 곳이 있는지 궁금함

• 누구나 등록할 수 있는지 아니면 국가의 상위 컴퓨터 과학 프로그램에 입학해야 하는지 궁금함

• 이 과정을 여기서 볼 수 있어 좋음. Christian은 훌륭한 사람이며 훌륭한 작업을 함. 이 과정과 책의 시작을 알고 있으며 강력히 추천할 수 있음

• ML 플랫폼과 시스템에서 9.5년 동안 모든 규모에서 일했음. 자료가 훌륭해 보임

• 흥미로움; 실습을 살펴보았는데, LLM에 대한 경험이 많지 않은 풀스택 개발자로서 이미 절반은 익숙함 (git, flask, kafka, kubernetes) 나머지는 그냥 코드임. ML과 관련된 복잡한 수학이 없음

  • ML ops가 PhD 없이도 일반 개발자가 접근하기에 그리 어렵지 않은 분야라는 의미일까?

• 단일 "Kubernetis"를 배우는 아이디어가 마음에 듦

• 코스의 복잡성을 과소평가하고 있을지도 모르지만, 이건 초급 과정처럼 들림. 모델 설명 도구까지 대부분의 내용이 솔직히 꽤 간단해 보임. 대부분의 사용 사례에 대해 업계 표준 도구를 사용하고 있다는 점은 좋다고 생각함