데이터ㆍAI 시스템 아키텍트를 위한 실무 가이드 (데이터 사이언스 기초부터 장애복구와 고가용성 설계까지, AI 시스템 설계 실전 전략)
윤대희 | 위키북스
37,800원 | 20250827 | 9791158396213
데이터 사이언스 전문가로 도약하기 위한 모든 지식과 실무 노하우를 한 권에 담았습니다!
많은 조직이 서비스에 데이터와 AI 기술을 도입하고자 하지만, 이를 실제 운영 환경에 구현하고 안정적으로 운영하는 과정은 결코 간단하지 않다. 데이터 수집, 저장, 처리부터 모델 배포 및 관리에 이르기까지 전반적인 과정을 유기적으로 다룰 수 있는 역량이 필요하며, 다양한 기술을 체계적으로 통합해 일관되게 운영할 수 있어야 한다.
실무자들은 '데이터와 AI를 활용하고 싶지만, 어디서부터 어떻게 설계하고 구성해야 할지 모르겠다'라는 문제에 종종 직면한다. 개별 기술에는 능숙하더라도, 전체 시스템 관점에서 이를 연계하고 운영하는 데 어려움을 겪는 경우가 많다. 이로 인해 프로젝트의 초기 설계부터 운영에 이르기까지 여러 단계에서 시행착오를 반복하곤 한다.
이 책은 데이터 사이언스의 기초 이론을 시작으로 데이터 엔지니어링, 모델 운영, 시스템 아키텍처 설계, 운영 전략에 이르는 흐름을 폭넓게 다룬다. 로그 설계, 마이크로서비스 전환, 성능 최적화, 보안, 비용 관리 등 실무에서 자주 접하는 주제를 포함하여, 다양한 직무의 실무자가 참고할 수 있는 아키텍처 중심의 실전 해법을 제시한다.
★ 이 책에서 다루는 내용 ★
◎ 데이터 분석, 시각화, 탐색적 분석 등 데이터 사이언스의 핵심 이론
◎ 머신러닝과 딥러닝 모델 설계 개요 및 주요 응용 분야 소개
◎ 데이터 수집, 전처리, 통합, 거버넌스 등 데이터 엔지니어링 실무
◎ 데이터 저장 설계, 아키텍처 패턴, 데이터 파이프라인 구축
◎ 워크플로 설계, 배치 처리 및 실시간 처리 시스템 설계와 비교
◎ API 설계, 모델 배포, CI/CD, 성능 모니터링 및 MLOps 개념
◎ 로그 아키텍처 설계, Elastic Stack, 실험 설계(A/B 테스트) 원칙
◎ 마이크로서비스, 분산 시스템, 병목 분석 및 개선 등 시스템 설계 전략
◎ 캐싱, 로드밸런싱, 오토스케일링 등 시스템 최적화 및 운영 기술
◎ LLM 및 RAG 시스템 구성 전략 등 최신 AI 아키텍처 적용 사례
◎ 데이터 보안, 개인정보 보호, 장애 대응, 백업/복원, 고가용성 설계 가이드
◎ 클라우드 비용 최적화, SLA 설정, 운영 비용 관리 전략
