
355
10
장
MLOps를 위한 인프라와 도구
CHAPTER
10
MLOps
를 위한 인프라와 도구
4
장에서
6
장까지는
ML
시스템 개발과 관련된 로직을 알아봤습니다.
7
장에서
9
장까지는
ML
시스템을 배포, 모니터링하고 지속적으로 업데이트할 때 고려해야 할 사항을 살펴봤습니다. 지
금까지는
ML
실무자가 로직을 구현하고 고려 사항을 수행하는 데 필요한 도구와 인프라에 접
근하기 쉽다고 가정했습니다. 하지만 현실은 다릅니다. 많은 데이터 과학자는
ML
시스템을 개
선하려면 무엇을 해야 하는지는 알지만 그것을 지원하는 인프라가 제대로 설정돼 있지 않아 진
행에 어려움을 겪죠.
ML
시스템은 복잡합니다. 시스템이 복잡할수록 인프라에서 발생하는 편익 또한 큽니다. 인프
라를 올바르게 설정하면 프로세스를 자동화해 전문 지식과 엔지니어링 공수를 줄일 수 있습니
다. 이는 결과적으로
ML
애플리케이션 개발과 제공 속도를 높이고 버그가 존재하는 영역을 줄
이며 새로운 유스 케이스를 만들어냅니다. 반면에 잘못 설정하면 인프라는 사용하기 어려워지
고 교체하는 데 비용이 많이 들게 됩니다. 이 장에서는
ML
시스템에 적합한 인프라를 설정하
는 방법을 알아봅니다.
본론으로 들어가기에 앞서 주의할 점은 회사마다 인프라 요구 사항이 다르다는 점입니다. 각
회사에 필요한 인프라는 개발하는 애플리케이션의 ...