브라우저 실습 환경¶
JupyterLite는 설치 없이 핵심 실습 notebook과 준비된 증거 artifact를 확인하는 브라우저 실행 환경입니다. 이 과정에서는 JupyterLite를 전체 로컬 실습의 대체물이 아니라, 수강생이 빠르게 증거를 확인하고 보고 문장을 작성하는 보조 실행 경로로 사용합니다.
바로 실습을 시작하려면 JupyterLite notebook 목차를 엽니다. 이 목차는 브라우저에서 제공되는 모든 notebook을 장별로 정리하고, 각 notebook을 JupyterLab 화면으로 직접 연결합니다.
로컬에서 실습 코드를 확인하거나 notebook 원본을 내려받아 실행해야 한다면 seungbaeji/tta-aiqa 저장소를 사용합니다. 브라우저 실습은 빠른 증거 확인 경로이고, tta-aiqa의 코드는 수강생이 로컬 환경에서 같은 Lab 흐름을 재현하거나 강사가 원본 notebook을 검증할 때 사용하는 기준 위치입니다. 이 교재 저장소의 labs/와 jupyterlite/는 문서 사이트와 브라우저 실습을 위한 mirror로 취급합니다.
1. 실행 경로 구분¶
브라우저 실습과 로컬 전체 실습은 목적이 다릅니다. 브라우저 실습은 접근성과 핵심 판단을 우선하고, 로컬 전체 실습은 전체 데이터와 저장소 공통 코드를 사용해 artifact를 다시 생성합니다.
| 경로 | 목적 | 사용하는 자료 | 적합한 작업 |
|---|---|---|---|
| JupyterLite | 설치 없이 핵심 확인 결과 검토 | 소형 CSV, prepared artifact, Lite notebook | 셀 실행, 출력 확인, 배포 판단 문장 작성 |
| 실습 코드 repo | 정식 notebook과 실행 코드 원본 | 전체 notebook, 전체 데이터, packages/ai-quality, compose.yaml |
강사용 검증, 원본 관리, 전체 실습 |
현재 교재 repo의 labs/와 jupyterlite/ |
문서 사이트용 mirror | Lite notebook, 소형 CSV, prepared artifact | 브라우저 확인과 교재 링크 검증 |
2. 제공 notebook¶
아래 링크는 MkDocs site 안에 포함된 jupyterlite/ 경로를 엽니다. 같은 site 안의 상대 경로를 사용하므로 GitHub Pages처럼 하위 경로에 배포되어도 링크 기준이 유지됩니다. 전체 목록을 먼저 보고 싶으면 JupyterLite notebook 목차를 사용합니다.
| 장 | 브라우저 실습 | Lite에서의 역할 |
|---|---|---|
| 1장 데이터 파일과 컬럼 | 데이터 파일과 컬럼 확인 | 기준 데이터 파일, 행/열 수, 주요 컬럼, 라벨 값 확인 |
| 1장 결측, 범위, 라벨 | 결측, 범위, 라벨 확인 | 결측값, 범위 오류, 라벨 분포 확인 |
| 2장 score와 threshold | score와 threshold 확인 | score가 threshold를 지나 prediction이 되는 흐름 확인 |
| 2장 Precision과 Recall | Precision과 Recall 확인 | Confusion Matrix, Precision, Recall, FP/FN 해석 |
| 2장 metric 기록 | metric 기록 확인 | 모델 버전, 데이터셋, threshold, metric 기록 확인 |
| 3장 컨테이너 파일 | 컨테이너 파일 확인 | Dockerfile, API entrypoint, 실행 명령 확인 |
| 3장 MLflow URI | MLflow model URI 확인 | 평가 기록과 models:/risk-classifier@candidate 연결 확인 |
| 3장 Argo CD와 KServe | Argo CD와 KServe manifest 확인 | GitOps Application, KServe InferenceService, telemetry contract 확인 |
| 4장 로그 읽기 | Structured log 확인 | JSONL 로그를 요청 단위 운영 확인 결과로 읽기 |
| 4장 운영 숫자 비교 | 운영 metric 비교 | 오류율, 지연 시간, score, prediction 변화 확인 |
| 5장 릴리스 근거 모으기 | 릴리스 근거 모으기 | 입력 변화, score/prediction 변화, 원인 후보 근거 확인 |
| 5장 보고서 읽기 | 릴리스 보고서 확인 | release report의 근거, owner, next action 확인 |
3. Lite에서 하지 않는 것¶
JupyterLite는 브라우저 안에서 동작하므로 서버 프로세스, Docker, Kubernetes, Argo CD, KServe, Grafana 런타임, MLflow tracking server를 직접 운영하지 않습니다. 3장은 브라우저 안에서 GitOps manifest와 KServe 배포 파일를 inspection하고, 4장은 structured log를 읽어 운영 확인 결과를 해석합니다. 보고서에는 이 경로를 live sync나 live API 호출 근거가 아니라 “JupyterLite에서 확인한 manifest inspection과 준비된 확인 결과”로 구분합니다.
| 하지 않는 것 | Lite에서 대신 확인하는 것 |
|---|---|
| Argo CD sync와 KServe endpoint 실행 | Application, Kustomize overlay, InferenceService, telemetry contract inspection |
| MLflow tracking server 실행 | JSON 평가 기록과 비교 리포트 |
| Grafana 서버 실행 | structured log와 대표 요청 |
| 전체 모델 재학습 | 고정 scoring rule 또는 prepared metric artifact |
| 전체 데이터 재생성 | 소형 CSV와 prepared report |
Grafana Cloud로 telemetry를 보내는 흐름은 notebook에서 직접 수행하지 않습니다. 해당 경로는 로컬 코드 Demo로 분리하고, JupyterLite에서는 structured log에서 같은 판단에 필요한 필드를 확인합니다.
4. 수강생 보고 문장 기준¶
JupyterLite에서 확인한 결과는 “브라우저 실습에서 확인한 준비된 확인 결과” 또는 “JupyterLite sample 기준 확인값”으로 기록합니다. 전체 데이터로 artifact를 다시 만들지 않았다면 “직접 재생성했다”고 쓰지 않습니다. 3장 GitOps 확인도 live Argo CD sync가 아니라 manifest inspection과 준비된 확인 결과를 확인한 것으로 기록합니다.
예시는 다음과 같습니다.
JupyterLite 브라우저 실습에서 준비된 입력 구성 변화 리포트와 issue trace를 확인한 결과,
current batch 입력 구성 변화와 validation failure가 함께 관측되었습니다.
다만 live 배포 확인 결과는 아직 확인되지 않았으므로 조건부 보류와 재평가 조건을 남깁니다.