
24
1부MLOps개념과필요성
비즈니스 질의
상용화 준비 개발에서 상용으로 모니터링과 피드백 루프
모델 개발
사업 부서
품질 보장
CI
/
CD
리스크 평가
컨테이너화
실행 환경 탄력적 확장
로깅 및 경고
입력값 드리프트 추적
성능 드리프트
온라인 평가
데이터 엔지니어
소프트웨어 엔지니어
머신러닝 아키텍트
데이터 엔지니어
DevOps
DevOps
직무 전문가
데이터 수집
데이터 준비 모델 학습 및 실험
모델 평가 및 비교
특성 엔지니어링
데이터 엔지니어
데이터 과학자
직무 전문가
데이터 과학자
그림
1-3
오늘날일반적인조직내머신러닝모델생애주기에대한사실적도식화:완전히다른기술과완전히다른도
구를사용하는다양한사람들이참여한다.
MLOps
라는 이름과 개념이 익숙하다고 느낄 수 있는데, 그 이유는
MLOps
의 많은 부분을
DevOps
의 개념에서 차용했기 때문이다.
DevOps
는 소프트웨어 변경 및 갱신 작업을 간소
화하는 과정이기도 하다.
MLOps
와
DevOps
에는 상당한 공통점이 있는데, 예를 들면 다음과
같다.
●
팀들을이어주는견고한자동화와신뢰