MLOps 도입 가이드

22

1부MLOps개념과필요성

시간에 따른 관심도

2004

-

1

-

1

2014

-

9

-

1

그림

1-1



MLOps

의급격한성장 ( ‘

ModelOps

’개념미포함 )

1.1

MLOps

와 도전 과제 정의하기

MLOps

의 핵심은 머신러닝 모델 생애주기 관리의 표준화 및 간소화다(그림

1

-

2

). 그런데 왜

머신러닝 모델 생애주기를 간소화해야 할까? 비즈니스 요구사항에서 머신러닝 모델의 개발 과

정을 대략 살펴보기만 해도 그 이유를 명확히 알 수 있다.

대부분의 전통적 조직에서 여러 머신러닝 모델의 개발과 그 모델들의 상용 환경 배포는 비교적

새로운 업무에 속한다. 최근까지만 해도 적은 수의 모델만 관리 가능했고, 전사 차원에서는 모

델들과 비즈니스 연관도에 대해 이해하는 일에 관심이 거의 없었다. 그런데 의사결정을 자동화

하기 시작하면서(의사결정 자동화를 도입하는 기업이 늘어나고 있다) 모델은 기업 전략의 핵

심 사항 중 하나가 되었고 그와 동시에 모델 리스크 관리가 중요한 과제 중 하나가 되었다.

기업 환경에서 머신러닝 모델 생애주기의 현실은 요구사항과 활용 도구 측면에서 보면 매우 복

잡하다(그림

1

-

3

).