AI 인프라: 스토리지 옵션

Overview

Google, IBM & Meta Certificates — All 10,000+ Courses at 40% Off

One annual plan covers every course and certificate on Coursera. 40% off for a limited time.

이 과정에서는 AI 및 고성능 컴퓨팅(HPC) 워크로드에 특화된 Google Cloud의 스토리지 솔루션에 대해 종합적으로 다룹니다. ML 수명 주기의 각 단계에 적절한 스토리지를 선택하는 방법을 알아봅니다. 학습 중 I/O 성능을 최적화하는 방법, 데이터 준비를 위해 대규모 데이터 세트를 관리하는 방법, 짧은 지연 시간으로 모델 아티팩트를 서빙하는 방법도 살펴봅니다. 실제 사례와 데모를 통해 AI 혁신을 가속화하는 견고한 스토리지 솔루션을 설계하는 데 필요한 전문성을 확보하게 됩니다.

Syllabus

과정 개요

이 모듈에서는 과정의 개요를 제공하고 학습 목표를 간략히 설명합니다.

AI 스토리지의 기초

이 모듈에서는 AI 데이터 파이프라인에서 스토리지 인프라가 담당하는 역할을 자세히 설명합니다. 성능 요구사항, 주요 Google Cloud 솔루션은 물론 용량, 처리량, 지연 시간에 따라 서비스를 선택하는 결정 기준에 대해서도 다룹니다.

준비 및 학습

이 모듈에서는 AI 워크플로에서 데이터를 준비하고 모델을 학습시키는 핵심 단계를 자세히 설명합니다. Cloud Storage, Anywhere Cache, Dataflux Dataset 도구를 사용하여 데이터 로드를 최적화하는 방법을 다루고 Cloud Storage FUSE 및 Managed Lustre와 같은 고성능 파일 시스템을 비교합니다. 내결함성을 보장하고 GPU 유휴 시간을 최소화하는 효율적인 체크포인트 전략을 위한 결정 기준도 간략히 설명합니다.

서빙 및 보관처리

이 모듈에서는 AI 모델 서빙 및 데이터 보관처리 전략에 대해 자세히 설명합니다. 확장성과 지연 시간을 기준으로 Managed Lustre, Cloud Storage 또는 Hyperdisk ML과 같은 스토리지를 선택하는 방법과 비용 및 로드 시간을 최소화하기 위한 GKE 이미지 스트리밍 및 Cloud Storage FUSE 등의 최적화 기법에 대해서도 다룹니다.