MLOps Academy · 강의

DVC 초기화하고 데이터셋 추적하기

dvc add를 실행하고 데이터가 아닌 포인터를 커밋하세요.

DVC 초기화하고 데이터셋 추적하기은(는) CoddyKit의 무료 MLOps Academy 강의입니다. 이것은 4개 중 2번째 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.

Install DVC First

DVC is a Python package, so a single pip command gets you started. After this you have the dvc command available in your terminal.

pip install dvc

Start Inside a Git Repo

DVC works alongside Git, not instead of it. So you run it inside an existing Git repository where your code already lives.

git init
dvc init

What dvc init Creates

dvc init adds a hidden .dvc folder holding config and the local cache. Commit it once so the whole team shares the same setup.

git add .dvc .dvcignore
git commit -m "Initialize DVC"

Track Your First Dataset

Point DVC at the file or folder you want versioned with dvc add. DVC moves the real data into its cache and leaves a small placeholder behind.

dvc add data/train.csv

The .dvc Pointer File

dvc add creates a tiny .dvc file next to your data. It stores the file's hash and size, acting as the address Git will track.

# data/train.csv.dvc
outs:
- md5: 3f2a9c...
  size: 524288
  path: train.csv

Git Tracks the Pointer

You commit the small .dvc file to Git, never the raw dataset. Git now records which version of the data this commit expects.

git add data/train.csv.dvc
git commit -m "Track training data"

Real Data Goes to .gitignore

So you never commit the big file by accident, dvc add auto-adds the dataset path to .gitignore. Git simply ignores the heavy bytes.

cat .gitignore
# /train.csv

Content-Addressable Cache

DVC names cached files by their content hash. Identical data is stored once, so duplicate datasets never waste disk space. 💾

Check the Status

Run dvc status any time to see whether your working data matches what the .dvc files expect. It is your quick health check.

dvc status

Update a Tracked File

When the dataset changes, just run dvc add again. DVC recomputes the hash and updates the .dvc file, which you commit as a new version.

dvc add data/train.csv
git add data/train.csv.dvc
git commit -m "New data snapshot"

Track Folders Too

dvc add works on whole directories, not just single files. Point it at a folder and DVC versions everything inside as one tracked unit.

dvc add data/images/

Quick Check

After running dvc add on a dataset, what do you commit to Git?

Recap

You ran dvc init, then dvc add to track a dataset. DVC caches the real data and writes a tiny .dvc pointer that Git commits, keeping code and data linked.

자주 묻는 질문

“DVC 초기화하고 데이터셋 추적하기” 강의는 무료인가요?

네 — “DVC 초기화하고 데이터셋 추적하기” 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.

“DVC 초기화하고 데이터셋 추적하기”에서 뭘 배우나요?

dvc add를 실행하고 데이터가 아닌 포인터를 커밋하세요. 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 2번째 강의입니다.

“DVC 초기화하고 데이터셋 추적하기” 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