MLOps 도입 가이드

120

2부MLOps적용방법

각적인 피드백을 얻을 수 있는 모델이 있다고 하자. 고도화된 배포 체계에서는 모델이 예상대

로 작동하는지 확인하기 위해 섀도우 테스트

shadow

test

또는

A

/

B

테스트를 포함한다. 이는 통계

적 검증이기 때문에 필요한 정보를 수집하는 데 시간이 걸린다. 결국, 필연적으로 재학습 기간에

필요한 최소한의 시간을 설정해야 한다. 또한 배포가 간단하다 하더라도 프로세스에서 인적 검

증이나 수동 롤백 가능성을 허용하고 있기 때문에 하루에 한 번 이상 재학습을 수행할 수 없다.

따라서 재학습 주기는 하루에 한 번에서 일 년에 한 번 사이일 가능성이 매우 높다. 원래 학습

시켰던 방식과 동일하게 재학습시키고 환경도 동일하게 설정하는 가장 간단한 방식도 가능하

다. 일부 극단적인 경우 초기 학습은 개발 환경에서 수행했더라도 재학습은 상용 환경에서 수

행해야 할 수도 있으나, 재학습 방법 자체는 보통 초기 학습 방법과 동일하므로 그리 크게 어려

워지지는 않는다. 하지만 언제나 그렇듯 여기에도 예외가 있다. 바로 온라인 학습이다.

온라인 학습

경우에 따라 팀은 반복적으로 학습시킬 수 있는 전용 알고리즘을 사용하여 기존 수동 머신러닝

파이프라인의 자동화 방식보다 한 단계 더 고도화해야 할 수 있다. 반면, 표준 알고리즘의 경우

딥러닝 알고리즘을 ...