> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sifi.life/llms.txt
> Use this file to discover all available pages before exploring further.

# 머신러닝

> Databricks 위에서 ML 모델을 개발, 추적, 배포하는 전체 과정을 학습합니다.

## 학습 목표

* MLflow를 활용한 실험 추적과 모델 관리
* Unity Catalog 기반 모델 레지스트리 사용법
* Feature Engineering과 Feature Store 활용
* Model Serving을 통한 모델 배포와 실시간 추론

## 문서 목록 (이 폴더)

| 순서 | 문서                                            | 내용                             |
| -- | --------------------------------------------- | ------------------------------ |
| 1  | [Databricks ML 개요](ml-on-databricks-overview) | ML 워크플로우 전체 그림과 핵심 컴포넌트를 소개합니다 |
| 2  | [ML Runtime](ml-runtime)                      | 사전 설치 라이브러리, GPU 클러스터 구성을 다룹니다 |

## 하위 섹션

### 📂 [MLflow](mlflow/README)

MLflow를 활용한 실험 관리, 모델 추적, GenAI 트레이싱

| 문서                                      | 내용                                   |
| --------------------------------------- | ------------------------------------ |
| [MLflow란?](mlflow/what-is-mlflow)       | 개념, 구성 요소, Databricks 통합을 설명합니다      |
| [실험 추적](mlflow/experiment-tracking)     | 파라미터, 메트릭, 아티팩트 로깅과 Autolog을 다룹니다    |
| [모델 레지스트리](mlflow/model-registry)       | Unity Catalog 기반 모델 등록과 버전 관리를 안내합니다 |
| [MLflow Tracing](mlflow/mlflow-tracing) | GenAI 앱의 호출 흐름 추적과 디버깅을 설명합니다        |
| [모델 평가](mlflow/mlflow-evaluation)       | Scorer, 자동 평가, 프롬프트 최적화를 다룹니다        |

### 📂 [Model Serving](model-serving/README)

모델 서빙 — 실시간 추론 엔드포인트, Foundation Model API

| 문서                                                         | 내용                                          |
| ---------------------------------------------------------- | ------------------------------------------- |
| [Model Serving 개요](model-serving/model-serving-overview)   | 엔드포인트 유형과 아키텍처를 설명합니다                       |
| [Foundation Model API](model-serving/foundation-model-api) | Pay-per-token, Provisioned Throughput을 다룹니다 |
| [커스텀 모델 배포](model-serving/custom-model-deployment)         | MLflow 모델을 엔드포인트로 배포하는 방법을 안내합니다            |
| [엔드포인트 모니터링](model-serving/endpoint-monitoring)            | Inference Tables, 지연시간, 처리량 모니터링을 설명합니다     |

### 📂 [Feature Engineering](feature-engineering/README)

Feature Engineering — Feature Table, Online Store, Point-in-Time Lookup

| 문서                                                                                | 내용                                    |
| --------------------------------------------------------------------------------- | ------------------------------------- |
| [Feature Engineering 개요](feature-engineering/feature-engineering-overview-basics) | 개념, 피처 테이블, 워크플로우를 설명합니다              |
| [피처 테이블 관리](feature-engineering/feature-table-management)                         | 생성, 업데이트, 학습 데이터 결합을 다룹니다             |
| [실시간 피처 서빙](feature-engineering/online-serving)                                   | Online Table, Model Serving 연동을 안내합니다 |

## 참고 문서

* [Databricks: AI and Machine Learning](https://docs.databricks.com/aws/en/machine-learning/)
* [Azure Databricks: AI and Machine Learning](https://learn.microsoft.com/en-us/azure/databricks/machine-learning/)