어쩌다통계

    Kaggle API 1

    BentoML로 모델 서빙하기(우당탕탕 ver.)| BentoML, Docker, k8s, Prometheus 그리고 Grafana

    이 글이 도움 되셨다면 광고 클릭 부탁드립니다 : ) 이번 포스트에서는 실제 데이터를 가지고 모델 학습-배포하는 전체 과정을 차근차근 실습해보려고 합니다. 간단하게 보면, 모델학습 -> BentoML로 모델 저장/도커 이미지 생성 -> k8s에 배포 -> Prometheus&Grafana로 모니터링 순으로 진행해 보겠습니다. 0. 준비물 아래 모든 실습 과정은 Virtual Box에서 우분투 이미지로 구축한 리눅스 터미널에서 진행하였습니다. 리눅스 환경 Virtual Box 7.0, https://www.virtualbox.org/ 우분투 이미지 20.04, https://releases.ubuntu.com/focal/ docker : containerization(컨테이너화)을 위한 도구 k8s : c..

    Programming/Others 2023.04.04
    이전
    1
    다음
    더보기
    • Data Science
      • Algorithm
      • Programming
        • Python
        • R
        • Others
      • Review
        • 논문 리뷰
        • 도서 리뷰
        • 대회 리뷰

    Tag

    모델 배포, 2021, 2024, MLOps 도입가이드, 2020, fbprophet, PyOD, Introducing MLOps, 시계열 예측, 차원축소, python, 이상치 탐지, 2022, 2023, mlops, anomaly detection, bentoml, 쿠버네티스, PROPHET, 모델 서빙,

    최근글과 인기글

    • 최근글
    • 인기글

    방문자수Total

    • Today :
    • Yesterday :

    Copyright © Kakao Corp. All rights reserved.

    • SOTA
    • Dacon
    • Kaggle
    • 모두의MLOps
    • github_anomaly-detection-resou…
    • github_awesome-TS-anomaly-dete…
    • github_SOTA of Anomaly detecti…
    • github_Weekly Arxiv
    • github_DeepOD

    티스토리툴바