MLOps 도입 가이드

23

1장 왜지금이고도전과제는무엇인가

데이터에 대한

접근, 이해, 정리

머신러닝 모델

배포

머신러닝 모델 생성

간단한

머신러닝 모델 생애주기

비즈니스 목표 정의반복

그림

1-2

머신러닝모델생애주기에대한간략한표현:[그림

1

-

3

]에비해

MLOps

의필요성이잘드러나지않는다.

머신러닝 모델 생애주기를 규모 있게 관리하기 어려운 세 가지 주요 이유는 다음과 같다.

●

많은 의존성: 데이터는지속적으로변화하고,비즈니스요구사항도변경된다.모델의결과를지속적으로비즈

니스에반영하여,상용배포한모델과실제데이터가요구사항에부합하도록하면서동시에원래의문제를해

결하거나원래의목표를달성하도록해야한다.

●

동일한 언어를 사용하지 않는 이해관계자들: 머신러닝모델생애주기에는사업담당자,데이터과학자,

IT

개

발/운영팀이모두관련되어있지만,대부분의경우상호소통의기준이될수있는동일한도구사용이나기반

기술공유가이루어지지않는다.

●

소프트웨어 개발을 모르는 데이터 과학자: 대부분의데이터과학자는모델구축혹은평가에특화된전문적지

식과경력을가지고있으며,애플리케이션작성에는능숙하지않다.시간이흐름에따라일부데이터과학자는

모델배포나운영에능숙해지기도하지만,상당수데이터과학자들은 ...