39
2장 MLOps이해관계자들
이다. 거기에 더해, 기업 내 여러 시스템에 각기 배포된 모델들이 어떻게 함께 작동하는지 이해
하기 위한 수단이기도 하다.
이외에도 소프트웨어 엔지니어가 필요한 기능에는 현재 무엇을 다루고 있는지 알기 위한 버전
관리 기능, 현재 다루고 있는 것이 잘 작동하는지 알기 위한 테스트 기능, 하나의 애플리케이션
에서 여러 명이 협업하기 위한 기능 등이 있다.
2.5
DevOps
MLOps
는
DevOps
원칙에서 생겨났다. 그렇다고 둘이 완전히 분리되어 작동하는 것은 아
니다.
DevOps
팀은 머신러닝 모델 생애주기에서 두 가지 역할을 맡는다. 첫째, 머신러닝 모델의
보안, 성능, 가용성을 보장하기 위한 테스트뿐만 아니라 운영시스템을 구축하고 운영한다. 둘
째,
CI
/
CD
파이프라인 관리를 담당한다. 두 역할 모두 데이터 과학자, 데이터 엔지니어, 데이
터 아키텍트와 긴밀하게 협력해야 한다. 물론 긴밀한 협조가 말만큼 쉬운 건 아니다. 그래서
MLOps
가 반드시 필요하다.
DevOps
팀의 입장에서 볼 때,
MLOps
는 반드시 엔터프라이즈 기준의
DevOps
전략에 통합
되어야 하고, 전통적
CI
/
CD
와 현대적 머신러닝 사이의 간극을 메워줘야 한다. 이는 시스템이
근본적으로 상호 보완적이어야 한다는 의미다. 또한 전통적 소프트웨어에 대한 테스트를 자동
화할 수 있듯이 머신러닝에 대한 테스트도 자동화할 수 있어야 한다.
2.6
모델 리스크 관리자/감리인
특정 산업군(특히 금융 서비스 업계)에서, 모델 리스크 관리
Model ...