MLOps 도입 가이드

132

2부MLOps적용방법

은 와인에 대한 새로운 데이터가 생겼다. 우리는 새로운 데이터로 모델을 재학습시킬 수 있으

므로 동일한 모델 템플릿을 사용하더라도 모델의 새로운 버전을 생성할 수 있다. 결과를 조사

한 결과, 새로운 패턴이 나타났음을 발견한다. 이 정보를 활용하여 새로운 특성을 생성하고 모

델에 추가하거나,

XGBoost

대신 다른 머신러닝 알고리즘(예를 들어, 딥러닝)을 사용하기로

결정할 수도 있다. 그러면 새 모델 템플릿을 생성하게 되는 것이다.

그 결과, 우리 모델에는 두 가지 모델 템플릿과 세 가지 버전이 생겼다.

●

첫번째버전은상용환경에서운영중으로,원본모델템플릿을기반으로한다.

●

두번째버전은원본템플릿을기반으로하지만새로운데이터로학습하였다.

●

세번째버전은딥러닝기반템플릿을사용하고특성을추가한상태로,두번째버전과동일한데이터로학습

하였다.

이제 다양한 데이터 세트(학습 시 사용한 테스트 데이터 세트와 학습 후 스코어링할 때 사용한

개발 데이터 세트를 모두 포함한 세트)에서 이러한 버전들을 평가하여 그 정보를 모델 평가 저

장소에 저장한다.

모델 평가 저장소

model

evaluation

store

모델 평가 저장소는 모델 간 비교를 위해 머신러닝 모델 생애주기와 관련된 데이터를 중앙 집

중식으로 저장해둔 구조다. 모델 평가 저장소의 두 가지 주요 작업은 다음과 같다.

●

시간에따른논리모델의진화에대한버전관리

 논리모델의기록된버전은학습단계에관한모든핵심정보를담고있어야한다. ...