MLOps 도입 가이드

44

1부MLOps개념과필요성

머신러닝 모델은 익숙하지 않은 데이터(사진이나 고객이라고 하자)를 만나면 과거 데이터에서

학습한 내용을 활용하여 예측을 수행한다. 이는 모든 데이터가 어느 정도 과거 데이터와 연관

되어 있다는 가정 아래 이루어진다.

머신러닝 알고리즘은 광범위한 수학적 기법을 활용하며, 모델 형태는 간단한 의사결정 트리

Decision

Tree

부터 로지스틱 회귀

Logistic

Regression

와 매우 복잡한 딥러닝

Deep

Learning

모델까지 다양하다.

이와 관련한 상세 내용은

4

.

1

절에서 다룬다.

3.2

모델 개발

여기서는 머신러닝 모델 개발 전체를 살펴보고 구성 요소에 대해 확인해본다. 모든 구성 요소

는 배포 이후

MLOps

에 영향을 줄 수 있다.

3.2.1

비즈니스 목표 수립

머신러닝 모델 개발 과정은 보통 비즈니스 목표에서 시작한다. 그 목표는 거래 사기를

0

.

1

% 미

만으로 줄인다거나 소셜 미디어에서 사람들의 얼굴을 구분하는 것과 같이 간단한 것일 수 있

다. 비즈니스 목표는 당연히 성능 목표, 기술 인프라 요구사항, 비용 제약을 포함한다. 이러한

요소들은 모두

KPI

Key

Performance

Indicator

로 선정할 수 있고, 상용 환경에서 모델의 비즈니스 성능

측정을 위한 모니터링 대상이 될 수 있다.

머신러닝 프로젝트는 독자적으로 발현되지 않는다는 점을 인지해야 한다. 일반적으로 더 큰 프

로젝트의 일부로 들어가기 때문에, 기술, 프로세스, 사람에 영향을 미칠 수 있다. 즉, 목표 설정 ...