머신러닝 파워드 애플리케이션: 아이디어에서부터 완성된 제품까지, 강력한 머신러닝 애플리케이션 구축 과정 배우기

253

9

장

배포 방식 선택

니다. 애플리케이션 설치 방식은 모델을 한 번만 다운로드하지만 이 방식은 클라이언트가 웹

페이지를 열 때마다 모델을 다운로드하기 때문입니다.

사용하는 모델이 몇 메가바이트 혹은 그보다 작거나, 빠르게 다운로드할 수 있다면 자바스크립

트를 사용해 클라이언트에서 모델을 실행하는 것이 서버 비용을 줄이는 좋은 방법이 될 수 있

습니다. 머신러닝 에디터에서 서버 비용이 이슈가 된다면

TensorFlow

.

js

같은 프레임워크를

사용해 모델을 배포하는 것이 첫 번째 대안이 될 것입니다.

지금까지 훈련된 모델의 배포를 위해서만 클라이언트를 생각했습니다. 하지만 클라이언트에서

모델을 훈련할 수도 있습니다. 다음 절에서 이런 기능이 언제 유용할 수 있는지 알아보겠습니다.

9.3

연합 학습: 하이브리드 방법

이미 (이상적으로는 이전 장에서 소개한 가이드라인에 따라 ) 훈련된 모델을 배포하는 여러 가

지 방법을 다루었고 이제 배포 방법을 선택하려고 합니다. 모든 사용자에게 하나의 고유한 모

델을 제공하는 여러 가지 솔루션을 알아보았습니다. 하지만 사용자마다 다른 모델을 원한다면

어떨까요?

[그림

9

-

6

]은 모든 사용자를 위해 일반적으로 하나의 훈련된 모델을 제공하는 시스템 (위)과

사용자마다 조금씩 다른 버전의 모델을 제공하는 시스템 (아래 )의 차이를 ...