

GitLab은 MLOps를 어떻게 최적화할까?
GitLab의 MLOps 기능을 중심으로 모델 등록과 실험 추적 방식을 살펴봤습니다. CI/CD와 연동해 ML 배포와 관리를 자동화하는 흐름을 소개했습니다.


GitLab의 MLOps 기능을 중심으로 모델 등록과 실험 추적 방식을 살펴봤습니다. CI/CD와 연동해 ML 배포와 관리를 자동화하는 흐름을 소개했습니다.


PR에서 변경된 파일만 Lint하도록 CI를 개선한 사례를 소개했습니다. Git diff와 공통 조상을 활용해 실행 시간을 줄이고 리뷰 효율을 높였습니다.


TeamCity를 이용해 셀프계산대의 수작업 배포를 자동화한 과정을 소개했습니다. 빌드 환경 통일과 단계 분리로 휴먼에러를 줄이고 배포 시간을 66.8% 개선했습니다.

Amazon SageMaker Canvas로 코딩 없이 머신러닝 모델을 만들고 예측하는 실습 과정을 소개했습니다. 데이터 준비부터 모델 분석, 배치·단일 예측, MLOps 연계까지의 흐름을 정리했습니다.


Lighthouse CI를 CI/CD에 통합해 배포 후 웹 성능 측정을 자동화한 사례를 소개했습니다. 반복 측정, S3 저장, Slack 알림으로 성능 모니터링과 공유를 체계화했습니다.

QueryPie는 PAM 보안을 위해 인하우스 Red Team, 버그바운티, 외부 컨설팅을 병행하는 모의해킹 체계를 운영했습니다. 또한 DevSecOps와 자동화·AI 기반 탐지를 결합해 보안을 사전 예방 중심으로 고도화하고 있습니다.

QueryPie가 개발 초기부터 운영까지 보안을 자동화한 DevSecOps 파이프라인을 소개했습니다. SAST, DAST, 이미지 스캔, IaC 검증을 단계별로 연결해 안정성과 신뢰성을 높였습니다.

QueryPie PM의 업무 방식과 협업 도구, 요구사항 관리 흐름을 소개했습니다. 고객 VoC부터 릴리즈 조율까지 제품 관리에 필요한 역량도 함께 정리했습니다.

QueryPie는 PAM 제품 보안을 위해 인하우스 Red Team, 버그바운티, 외부 전문가 점검을 병행하는 모의해킹 체계를 소개했습니다. 또한 NIST·OWASP 기반 프레임워크와 DevSecOps 통합으로 보안을 사전 예방 중심으로 고도화하고자 했습니다.

개발 속도와 안정성을 함께 높이기 위해 DevSecOps 파이프라인을 구축한 사례를 소개했습니다. 개발 초기부터 운영까지 보안 검토를 자동화하고 취약점 조치를 배포 조건으로 연결했습니다.

QueryPie PM이 고객 요구를 제품으로 옮기기 위해 어떤 방식으로 일하는지 소개했습니다. Jira, Slack, Figma, 자체 테스트 환경과 성장 지원 제도를 함께 다뤘습니다.

QueryPie가 인하우스 Red Team, 버그바운티, 외부 전문가 협업으로 다층 모의해킹 체계를 운영하는 방식을 소개했습니다. 또한 DevSecOps와 자동화, AI 탐지 결합으로 보안 성숙도를 높이려는 계획을 설명했습니다.