35
2장 MLOps이해관계자들
이러한 외부적 피드백 전달 수단을 제공하는 것과 더불어,
MLOps
는 직무 전문가의 투명성을
높이는 방식으로 구축되어야 한다. 즉, 직무 전문가들이
MLOps
프로세스를 사용하여 모델 이
면의 데이터 파이프라인을 빠르게 검색하고, 어떤 데이터가 사용되고 있는지, 어떻게 변환 및
수정되는지, 어떤 종류의 머신러닝 기술을 적용했는지 이해할 수 있어야 한다.
머신러닝 모델이 내/외부 규제를 준수하는지에 관심을 두는 직무 전문가를 위해,
MLOps
는 모
델에 대한 투명성을 확보하고 이해를 도울 추가 수단을 제공할 수 있다. 모델이 어떤 결정에 이
르는 과정을 상세히 분석할 수 있도록 돕는 기능이 이에 해당한다. 이러한 개별 결과에 대한 분
석 기능은 통계 및 집계 기능과 상호 보완적이어야 한다.
궁극적으로
MLOps
는 피드백 메커니즘 및 모델에 대해 데이터 과학자와 의사소통할 수 있는
수단으로서, 직무 전문가와 큰 연관이 있다. 또한 책임 있는
AI
와 관련된 투명성과 관련해서도
MLOps
가 필요하기 때문에 직무 전문가에게
MLOps
는 중요하다.
2.2
데이터 과학자
MLOps
전략을 구축할 때는 데이터 과학자들의 요구사항을 가장 중요하게 검토해야 한다. 데
이터 과학자들에게 요구사항이 많은 이유는 너무 당연한데, 대개 이들이 조직 내의 고립된 데
이터나 프로세스, 도구를 다루고 있기 때문이다. 이들이 들이는 노고를 효과적으로 측정하기도
어렵다.
MLOps
로 이런 상황을 개선할 수 있다.
대부분의 사람들이 데이터 과학자가 ...