잘되는 머신러닝 팀엔 이유가 있다

183

Chapter 4

실무에서의 효과적인 의존성 관리

대단해요! 여러분은 실제 프로젝트에서 사용되는 원칙과 방법을 적용해

ML

프로젝트의 종속

성을 효율적으로 관리하고, 재현 가능하며 운영 환경에 바로 투입할 수 있는 안전한

ML

파이

프라인과 애플리케이션을 만드는 데 성공했습니다.

4.3

결론

이 장에서 다룬 내용을 요약하면 다음과 같습니다.

■

‘체크아웃하고 바로 시작하기’가 실제로 어떻게 이루어지는지와 그에 대한 경험

■

도커,

batect

,

poetry

를 활용하여

ML

전달 주기의 각 단계에서 일관되고 재현 가능하며 실제 운영 환경과 유

사한 런타임 환경을 구축하는 방법

■

종속성에서 보안 취약점을 찾아내고 종속성을 자동으로 최신 상태로 유지하는 방법

ML

생태계는 크고 다양한 종속성, 큰 모델 등의 수많은 도전을 제시합니다. 이는 우리가 소

프트웨어를 어떻게 컨테이너화할 수 있는지를 시험합니다. 경험상 컨테이너 기술은 여전히

유용하지만,

ML

의 맥락에서는 도커 캐시 볼륨,

batect

, 자동 보안 업데이트와 같은 고급 기

술과 결합해야 종속성을 효과적이고 안전하게 그리고 신속한 피드백 루프로 관리할 수 있습

니다.

3

장과

4

장에서는 이러한 원칙과 방법을 명확하고 쉽게 적용할 수 있도록 설명했습니다. 이를

통해 종속성을 빠르고 신뢰할 수 있게 설정하고, 원하는 문제 해결에 집중할 수 있어 종속성

문제로 시간을 낭비하지 않게 됩니다. 적절한 종속성 관리는

ML

팀이 오늘날 쉽게 이용할 수

있으며 시간, 노력, 신뢰성, 보안