효율적인 MLOps: 모델 개발

Hamel Husain은 현재 fast.ai에서 데이터 과학자와 머신 러닝 엔지니어를 위한 도구를 만드는 기업인입니다. Hamel은 Airbnb, DataRobot, GitHub에서 근무하며 다양한 머신 러닝 제품과 인프라를 구축한 바 있으며, Metaflow, Kubeflow, Jupyter, Great Expectations 등의 오픈 소스 데이터 및 인프라 도구에도 기여했습니다. 또 10년 이상 컨설턴트로 활동하며 데이터 과학을 통해 레스토랑, 엔터테인먼트, 통신 및 소매 업계의 비즈니스 성과를 개선했습니다.

Darek Kłeczek은 Weights & Biases의 머신 러닝 엔지니어로 W&B 교육 프로그램을 이끌고 있습니다. 이전에는 공급망, 제조, 법률 및 상업적 사용 사례 전반에 걸쳐 머신 러닝을 적용했습니다. 또 P&G에서 머신 러닝 운영 업무를 담당하기도 했습니다. Darek은 BERT 및 GPT 언어 모델의 첫 폴란드어 버전에 기여했으며 폴란드 NLP 커뮤니티의 리더입니다. Kaggle 대회 우승자이자 트리플 Kaggle 마스터이기도 합니다.

Thomas Capelle은 Weights & Biases의 성장 팀에서 근무하는 머신 러닝 엔지니어로 fastai 라이브러리의 기여자이자 wandb/examples 레포지토리의 관리자입니다. 그의 관심 분야는 MLOps, 산업 분야의 wandb 애플리케이션, 그리고 전반적으로 재미있는 딥 러닝입니다. 이전에는 SteadySun에서 딥 러닝을 이용해 태양 에너지에 대한 단기 예측을 해결하였습니다. 도시 계획, 조합 최적화, 운송 경제학 및 응용 수학에 대한 배경지식을 보유하고 있습니다.