MLOps 도입 가이드

171

9장 소비자신용리스크관리

터 다시 구축할 수도 있다. 어떤 경우에는 대체 기술을 사용하여 두 번째 모델을 구축하여 모델

에 대해 문서화된 내용을 이해하였는지 확인하고 원본 모델에 보이지 않던 버그가 있는지 찾아

본다.

복잡하고 시간이 많이 걸리는 모델 검증 프로세스는 전체 머신러닝 모델 생애주기에 영향을 끼

친다.

QA

가 길기 때문에 빠른 수정 및 빠른 반복은 불가능하여 머신러닝 모델 생애주기가 매

우 느리고 신중해진다.

9.5

상용 배포

일반적인 대형 금융 서비스 조직에서 상용 환경은 설계 환경과 분리되어 있을 뿐만 아니라 기

술 스택도 다를 수 있다. 또한 실거래 검증이나 대출 검증과 같은 중요한 작업과 관련된 기술

스택은 언제나 발전이 더디다.

역사적으로 상용 환경은 주로 규칙 기반이거나 로지스틱 회귀와 같은 선형 모델을 기반으로 구

축하였다. 일부는

PMML

이나

JAR

파일과 같은 더 복잡한 모델을 다룰 수 있다. 이보다 덜 중

요한 사례에서는 도커

배포 또는 통합 데이터 사이언스 및 머신러닝 플랫폼을 통해 배포할 수

도 있다. 결국, 모델 운영화에는 버튼 클릭부터 마이크로소프트 워드 문서 작성까지도 포함될

수 있다.

배포된 모델의 활동 로깅은 가치가 높은 활용 사례일수록 모델 성능을 모니터링하는 데 꼭 필

요하다. 모니터링 빈도에 따라 피드백 루프를 자동화하거나 자동화하지 않을 수 있다. 예를 들

어, 작업을

1

년에 한두 번만 수행하고 데이터에 대해 질의하는 데 가장 많은 시간을 소모하는

경우 자동화가 필요하지 않을 수 있다. ...