MLOps 도입 가이드

152

2부MLOps적용방법

8.6.4

핵심 요소

4

: 확장적인 모델 관리

상용 환경에 모델이 몇 개 없을 때는 머신러닝과 관련된 리스크 관리를 수동으로 처리할 수 있

다. 그러나 배포하는 양이 증가함에 따라 문제도 빠르게 늘고 있다. 다음은 규모에 맞게 머신러

닝을 관리하기 위한 몇 가지 주요 고려 사항이다.

●

확장가능한머신러닝모델생애주기는간소화(

streamline

)뿐아니라대규모자동화도필요하다.

●

데이터세트의하위집합내오류와같은오류들은빠르고광범위하게전파된다.

●

기존소프트웨어엔지니어링기법도머신러닝확장시도움이될수있다.

●

의사결정은설명,감사,추적이가능해야한다.

●

재현가능성(

reproducibility

)은무엇이잘못되었는지,누구또는무엇에책임이있는지,수정을확인해야하

는사람이누구인지를파악할수있는핵심이다.

●

모델성능은시간이지남에따라저하된다.모니터링,드리프트관리,재학습,리모델링을프로세스에포함하여

대응해야한다.

●

기술이빠르게발전하고있어,새로운기술을통합할수있는접근방식이필요하다.

8.6.5

핵심 요소

5

: 거버넌스

책임 있는

AI

에서는 강력한 거버넌스를 공정성과 신뢰도를 성취하는 핵심으로 보고 있다. 이

접근 방식은 전통적인 거버넌스 기법을 기반으로 한다.

●

프로세스시작시의도를파악한다.

●

인간을머신러닝루프에참여시키는것을프로세스화한다.

●

책임을명확하게식별한다(그림

8

-

3

).

●

프로세스를정의하고구조화하는목표를통합한다. ...