MLOps Academy · 강의

Airflow로 재학습 오케스트레이션하기

모델을 재학습하고 검증하는 DAG를 만드세요.

Airflow로 재학습 오케스트레이션하기은(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.

Why an Orchestrator

Retraining has many steps that must run in order and recover from failures. An orchestrator like Airflow runs them reliably so you do not babysit scripts.

Airflow in One Line

Apache Airflow schedules and runs workflows defined as code in Python. You describe what to do, and Airflow handles when and in what order.

The DAG

An Airflow workflow is a DAG, a directed acyclic graph of tasks. Acyclic means it never loops back, so the run always has a clear end.

Tasks Are the Nodes

Each step, like ingest, train, or validate, is a task in the DAG. Tasks are the units Airflow runs, retries, and tracks.

Define a DAG in Code

You declare a DAG and its schedule right in Python. Here the @dag decorator sets a daily retraining cadence.

from airflow.decorators import dag

@dag(schedule="@daily", catchup=False)
def retrain_pipeline():
    ...

Wire Up Dependencies

The arrow operator sets order between tasks. This says ingest must finish before train, and train before validate.

ingest() >> train() >> validate()

Operators Do the Work

An operator is a template for one kind of task, like running Python or a Bash command. PythonOperator runs your training function.

Retries Built In

Set retries on a task and Airflow re-runs it automatically if it fails. A flaky data fetch no longer breaks the whole pipeline.

train_task = PythonOperator(
    task_id="train",
    retries=3,
)

Watch It in the UI

Airflow ships a web UI showing each run as a colored grid. Green means success, red means failure, so you spot a broken task instantly.

Schedule or Trigger

A DAG can run on its schedule or be kicked off on demand. That lets the same pipeline serve both cron and drift-triggered retraining.

Idempotent Tasks

Design each task to be safe to re-run, producing the same result. Idempotent tasks make retries and backfills painless.

Quick Check

What does the >> operator do between two Airflow tasks?

Recap

You met Airflow: workflows are DAGs of tasks wired with >>, given retries, and watched in the UI. It turns retraining scripts into a reliable pipeline. ✅

자주 묻는 질문

“Airflow로 재학습 오케스트레이션하기” 강의는 무료인가요?

네 — “Airflow로 재학습 오케스트레이션하기” 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.

“Airflow로 재학습 오케스트레이션하기”에서 뭘 배우나요?

모델을 재학습하고 검증하는 DAG를 만드세요. 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.

“Airflow로 재학습 오케스트레이션하기” 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