
27
1장 왜지금이고도전과제는무엇인가
로깅 및 경고
5
×
5
리스크 매트릭스
드뭄
매우 낮음
1
가벼움
2
가벼움
3
가벼움
4
보통
5
보통
낮음
2
가벼움
4
보통
6
보통
8
보통
10
중대
중간
3
가벼움
6
보통
9
보통
12
중대
15
중대
높음
5
보통
8
보통
12
중대
16
중대
20
심각
매우 높음
6
보통
10
중대
15
중대
20
심각
25
심각
가능성
낮음
가능함
가능성
높음
가능성
매우 높음
발생 확률
영향도
그림
1-4
의사결정자에게정량적리스크분석을지원하는표
1.2.2
리스크 경감
중앙 통제 팀(내부 활동을 통합적으로 리포팅하는 팀을 뜻하며, 기업 내에 이러한 팀이 하나가
아닌 여럿이 있을 수 있다)에서 다수의 모델을 운영하는 경우
MLOps
를 활용하면 리스크 경감
에 필수적인 척도들을 특히 더 잘 확인할 수 있다. 즉, 적절한 리스크 경감 방안을 선택할 수 있
도록 표준화해야만 여러 모델의 상태를 전체적으로 관찰할 수 있다. 이와 관련한 상세한 내용
은
8
.
2
절에서 다룬다.
여러가지 이유로
MLOps
인프라 없이 머신러닝 모델을 상용 환경에 바로 배포하는 것이 위험
하기는 하지만, 머신러닝 모델의 성능을 상용 환경에서만 평가할 수 있는 경우가 많다. 왜 그럴
까? 예측
Prediction
모델은 학습한 데이터의 품질이 곧 모델의 품질이기 때문이다. 즉, 학습 데이
터가 상용 환경을 충분히 반영하지 않았다면 모델은 상용 환경에서 좋은