잘되는 머신러닝 팀엔 이유가 있다

370

Part 2

엔지니어링

식이 없다면, 개선을 위한 제안들은 다른 우선순위에 밀려 계속 미뤄지게 되고, 팀원들

은 결국 개선을 위한 노력을 포기하게 됩니다.

원칙

5

. 주체적인 책임감 갖기

뛰어난 성능을 내는

ML

팀에서는 ‘누군가의 문제’라는 개념이 없습니다. 반면 낮은 성과

를 내는 팀은 ‘배포 가능성은 내 문제가 아니다’ 혹은 ‘보안은 우리 팀의 문제가 아니므로

이 취약한 종속성 경고에 대해 걱정할 필요가 없다’는 등의 태도를 보이는 경우가 많습

니다.

올바른 일을 하려는 의지와 열망이 중요하지만, 적절한 역량 지원이 없으면 개인과 팀은

금방 지치고 희망을 잃을 수 있습니다. 구조와 문화가 상호 강화된다는 우리의 이전 포

인트를 기억하십시오. 우리는 적절한 팀 구조

( 크로스 기능 팀)

를 사용하여 신뢰할 수

있는

ML

솔루션을 개발하고 배포하는 관행과 문화를 구축할 수 있습니다. 데이터 과학

자,

ML

엔지니어, 데이터 엔지니어, 플랫폼 엔지니어, 제품 소유자, 보안 전문가, 도메

인 전문가 등

ML

과 관련된 모든 직군이 협력하여 각 팀이나 부서의 이득을 위해 최적화

하는 것이 아니라, 신뢰할 수 있는 전체적인

ML

솔루션을 제공하는 데 집중해야 합니다.

지속적 전달의 다섯 가지 원칙을 파악했으니, 이제 각 원칙을 실천하는 방법을 탐구해 봅시

다. 이러한 ...