MLOps Academy · 강의

Bento 빌드하고 컨테이너화하기

코드, 모델, 의존성을 배포 가능한 Bento로 묶으세요.

Bento 빌드하고 컨테이너화하기은(는) CoddyKit의 무료 MLOps Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 MLOps Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

What a Bento Is

A Bento is the deployable bundle BentoML builds. It packs your service code, the model, and the exact dependencies into one archive. 📦

The bentofile

You describe the build in a bentofile.yaml. It names the service entry point and lists what to include.

service: "service:svc"

Include Your Files

You tell BentoML which source files to bundle. The include key takes globs so only the code you need ships.

include:
  - "*.py"

Pin Python Packages

Dependencies live right in the bentofile. Under python you list packages so the build resolves them into the bundle.

python:
  packages:
    - scikit-learn

Build the Bento

One command assembles everything. bentoml build reads the bentofile and produces a versioned Bento in your store.

bentoml build

List Your Bentos

Built Bentos show up alongside your models. Run bentoml list to see each one with its name and version tag.

bentoml list

Why Containerize

A Bento still needs a runtime. Turning it into a Docker image makes it run identically on any machine or cloud. 🐳

One Command to an Image

BentoML writes the Dockerfile for you. bentoml containerize takes a Bento tag and builds a ready-to-run image.

bentoml containerize iris_classifier:latest

Run the Container

Now it is a normal image. You start it with docker run, mapping the port so requests reach the service inside.

docker run -p 3000:3000 iris_classifier:latest

Ship It Anywhere

That image is your deployable artifact. Push it to a registry and any cloud runtime or Kubernetes cluster can pull and serve it. 🚀

Set a Docker Base Image

You can control the runtime under your image. The docker section of the bentofile lets you pick a Python version or base.

docker:
  python_version: "3.11"

Quick Check

You ran bentoml build and got a Bento. What does bentoml containerize add on top of that?

Recap

You defined a bentofile, ran bentoml build to bundle code and deps, then containerized it into a Docker image ready to ship to any cloud. End to end! 🙌

자주 묻는 질문

“Bento 빌드하고 컨테이너화하기” 강의는 무료인가요?

네 — “Bento 빌드하고 컨테이너화하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 MLOps Academy 강의 전체를 잠금 해제할 수 있습니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“Bento 빌드하고 컨테이너화하기”에서 뭘 배우나요?

코드, 모델, 의존성을 배포 가능한 Bento로 묶으세요. 브라우저에서 직접 실행하는 실습 코드로 MLOps Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

MLOps Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 MLOps Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.

“Bento 빌드하고 컨테이너화하기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 MLOps Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 MLOps Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← MLOps Academy(으)로 돌아가기