MLOps 도입 가이드

134

2부MLOps적용방법

이 방식으로 다음 두 가지를 수행할 수 있다.

●

새모델의성능이이전모델보다우수하거나적어도이전모델만큼우수하다는것을검증한다.두모델이동일

한데이터에대해스코어링하기때문에상용환경에서정확도를직접비교할수있다.챔피언모델로스코어링

한새로운요청을데이터세트로만들어이새모델을사용해오프라인에서비교해볼수있다.

●

새로운모델이실제부하를처리하는방법을측정한다.새모델에는새로운특성,새로운사전처리기법또는

새로운알고리즘이있을수있으므로요청에대한예측시간이원래모델의예측시간과동일할수없다.이러

한변화를정확히인지하는것이중요하다.물론,이는온라인으로진행했을때의가장큰장점이다.

이 배포 계획의 또 다른 이점은 데이터 과학자 또는 머신러닝 엔지니어가 다른 관계자들에게

미래의 챔피언 모델에 대한 가시성을 제공한다는 점이다. 즉, 데이터 사이언스 환경에만 갇혀

있지 않고 챌린저 모델의 결과를 비즈니스 리더에게 노출하여, 새로운 모델로 전환할 때 비즈

니스 리더가 느낄 수 있는 인지된 위험

perceived

risk

2

을 감소시킨다.

챔피언 모델과 챌린저 모델을 비교하려면 입력 데이터, 출력 데이터, 처리 시간 등을 포함한 정

보를 두 모델에 ...