198
3부MLOps실제사례
11.9
마치며
이번 장에서는 전력 전송망 운영을 지원하기 위한 데이터 활용 방법을 살펴보았다. 다양한 머
신러닝 및 비(非)머신러닝 기법을 활용하면, 몇 분에서 수십 년에 이르는 기간에 해당하는 최
대 수천 번의 소비에 대한 예측을 수행할 수 있음을 확인하였다.
MLOps
덕분에 설계, 배포, 모니터링 프로세스가 여러 산업에 걸쳐 표준화되었고, 데이터 사
이언스 및 머신러닝 플랫폼이 개발되어
MLOps
프로세스를 지원하고 있다. 소비 예측 시스템
설계자는 이러한 표준 프로세스와 플랫폼을 활용하여 비용, 품질, 가치 창출 시간 관점에서 시
스템의 효율성을 개선할 수 있다.
한 걸음 뒤로 물러서서 보면, 업종마다 다양한 머신러닝 활용 사례가 있음을 분명히 알 수 있
다. 이러한 활용 사례들은 이 책에서 다룬 문제 정의, 모델 구축, 상용화 등과 관련하여 각자 고
유의 복잡성을 가지고 있다. 그러나 업종이나 활용 사례에 관계없이
MLOps
프로세스는 데이
터 팀(더 넓게는 조직 전체)이 머신러닝 적용 범위를 확대할 수 있도록 돕는 안내자가 되어줄
것이다.