MLOps 도입 가이드

182

3부MLOps실제사례

최신 데이터를 반영하기 위해 매일 자정 최신 데이터 세트로 모델을 재학습시켜, 최신 고객 및

제품 데이터로 데이터베이스를 자동으로 업데이트하도록 자동화 시나리오를 프로그래밍할 수

있다. 이 자동화 시나리오는

4

천 개의 데이터 파이프라인 전체에서 구현될 수 있다.

재학습 빈도는 활용 사례에 따라 다를 수 있다. 이번 사례에서는 높은 수준의 자동화 덕분에

매일 밤 재학습이 가능하다. 다른 맥락으로서, 재학습은 다양한 신호(예를 들어 유의미하게

많은 양의 새로운 정보 유입, 고객 행동의 주기적이거나 계절적인 드리프트)에 의해 촉발될

수도 있다.

또한 추천과 그 영향도를 평가하는 시점 사이의 지연기간을 고려해야 한다. 영향도를 몇 개월

지난 후에야 알 수 있다면 매일 재학습시키는 것은 적절하지 않을 것이다. 실제로 행동 변화가

너무 빨라 매일 재학습시켜야 하는 경우, 모델을 현재의 최신 학습 데이터로 학습시키고 몇 개

월 뒤에 모델의 추천 결과를 확인해보면 완전히 구식이 될 가능성이 높다.

10.6.2

모델 업데이트하기

모델 업데이트도 규모에 맞는 자동화 전략의 주요 특징 중 하나다. 이 사례에서는

4

천 개의 파

이프라인 각각에 대해 재학습한 모델을 기존 모델과 비교해야 한다.

RMSE

root

-

mean

-

square

error

와

같은 지표를 사용하여 성능을 비교할 수 있으며, 재학습된 모델의 성능이 이전 모델을 능가할

때만 재학습된 모델을 세일즈코어에 배포한다.

10.6.3

밤새 실행하고, 낮에는 자기

모델을 ...