머신러닝 시스템 설계

329

9

장

연속 학습과 프로덕션 테스트

상 몇 개만 보면 틱톡 알고리즘이 다음에 보고 싶은 것을 높은 정확도로 예측합니다.

15

필자는

모두가 틱톡만큼 중독성 있는 콘텐츠를 만들기 위해 노력해야 한다고 생각하지는 않습니다. 다

만 이것은 연속 학습이 강력한 예측 잠재력을 발휘할 수 있음을 보여주죠.

“왜 연속 학습이 필요한가요?”라는 질문은 “왜 연속 학습이 아닌가요?”로 바꿔 말해야 합니다.

연속 학습은 배치 학습의 상위 개념입니다. 전통적인 배치 학습이 할 수 있는 모든 것을 하기 때

문이죠. 게다가 연속 학습은 배치 학습만으로는 불가능한 유스 케이스에도 적용이 가능합니다.

연속 학습을 세팅하고 수행하는 데 드는 노력과 비용이 배치 학습과 동일하다면 연속 학습을

수행하지 않을 이유가 없습니다. 하지만 이 책을 쓰는 현재도 연속 학습을 세팅하는 데는 여전

히 어려움이 많습니다. 하지만 연속 학습을 위한

MLOps

도구가 성숙하고 있으며, 이는 머지

않은 미래에 배치 학습만큼 쉽게 연속 학습을 설정할 수 있음을 의미합니다. 이어서 연속 학습

의 어려움을 알아봅시다.

9.1.3 9.1.3

연속 학습의 난제연속 학습의 난제

연속 학습은 유스 케이스가 많으며 여러 기업에서 성공적으로 적용되고 있습니다. 하지만 여전

히 많은 난제가 있습니다. 주요 난제인 신규 데이터 ...