API 서버로 배포한다는 건? Docker로 감싼다는 건?

🧩 오늘 궁금했던 개념들부터 아주 쉽게 정리할게!

✅ 1. API 서버로 배포한다는 건?

머신러닝 모델을 다른 사람들이 쓸 수 있도록 '인터넷 기능'처럼 만드는 것이야.

예를 들어:

• 만든 비트코인 가격 예측 모델이 있어.
• 누군가 "내일 비트코인 가격이 얼마일까?" 라고 물어보면?
• → 그 사람이 나의 모델 서버에 데이터를 보내고,
• → 의 서버가 예측값을 계산해서 다시 돌려줘!

🛠️ 이걸 가능하게 만드는 게 API 서버고, 우리는 주로 FastAPI를 써.

📦 요약: "내 머신러닝 모델을 외부에서 쓸 수 있도록 기능처럼 만들어주는 서버"

---

✅ 2. Docker로 감싼다는 건?

만든 프로그램을 "하나의 완성된 상자(container)"처럼 포장해서,
어디서든 실행되게 만드는 기술이야.

예를 들어:

• 내 컴퓨터에서 모델 잘 돌아가는데,
• 다른 사람은 Python 버전이 다르거나, 모듈이 없어서 안 돌아갈 수도 있지?
• Docker는 아예 환경 + 코드 + 실행까지 한꺼번에 묶어서 배포할 수 있어.

📦 → 만든 모델 API를 도커 컨테이너로 포장해서,
🖥️ → 클라우드 서버나 회사 인프라, 심지어 내 친구 컴퓨터에서도 그대로 실행 가능!

🎯 진짜 실무에서는 거의 100% Docker 씀.
배포할 땐 거의 필수 도구야.

---

🧪 정리하면 이거야:

개념설명실무에서 왜 쓰는가?

API 서버	모델을 기능처럼 외부에 공개	웹/앱/서비스에서 쓸 수 있음
Docker	코드 + 환경을 포장	어디서든 똑같이 실행 가능

 

✅ 우리 실습 로드맵 요약 (Step 1)

✔️ Step 1: 비트코인 가격 예측 모델 → API 서버화 → Docker로 감싸기

1. 비트코인 데이터 수집 및 모델 학습
2. FastAPI로 예측 서버 만들기
3. Docker로 패키징
4. (선택) 클라우드에 올려보기 (후속 단계에서)