MLOps 도입 가이드

197

11장 소비예측

11.8

모니터링

이번 절에서는 주로 단기 예측을 다룬다. 사실, 미래는 과거와 완전히 동일하지 않기 때문에 중

장기 예측은 시스템적으로 드리프트에 영향을 받는다. 따라서 예측에 사용하기 전에 시스템적

으로 모델을 재학습시키는 경우가 많다. 단기 예측에서는 예측이 제때 이뤄지지 않을 경우에

대한 알람이나 기한을 놓칠 수 있는 이벤트에 대한 경고와 같은 모니터링 외에 모델 그 자체도

모니터링해야 한다.

첫 번째 종류의 모니터링은 드리프트 모니터링이다. 전력 소비 예측에서, 드리프트 모니터링을

모델과 함께 배포하여 적용해야 한다. 이상 징후 감지 및 분열 감지를 통해 모델을 계속 사용

가능한지 확인할 수 있다. 사용할 수 없는 것으로 확인되면 다소 빈약한 이력 데이터나 다중 소

비 예측에 대한 규범적 세분화

normative

disaggregation

결과에 기반한 대체 모델을 활용해야 한다. 이

첫 번째 모니터링 계층을 통해 온라인 상태에서 발생할 수 있는 급격한 드리프트를 탐지할 수

있다.

데이터 과학자가 소비 수준에 적응할 수 있는 모델(예를 들어,

ARIMA

)을 설계하려 한다면, 소

비 수준이 학습 기간에 확인된 수준에 비해 높거나 낮음을 탐지하는 것이 유용할 수 있다. 그런

데 이 현상이 느리게 발생하여 온라인에서는 탐지가 안 될 수 있다. 이 경우, 예측에 대한 오프

라인 분석(예를 들어, 다음 날에 대한 예측을 매일 계산하는 경우 한 달에 한 번 분석할 수 있

다)을 통해 느리게 발생하는 드리프트를 탐지할 수 ...