MLOps 도입 가이드

47

3장 MLOps의핵심기능

3.2.5

재현 가능성

많은 실험이 금방 사라지지만, 모델의 중요한 버전은 나중을 위해 저장해둬야 한다. 여기서 중

요한 부분은 재현 가능성

Reproducibility

으로서, 일반적으로 실험 과학에서 중요한 개념이다. 머신

러닝의 목표는 모델을 개발한 환경에 대한 정보를 충분히 저장하여 동일한 결과를 보이는 모델

을 처음부터 다시 만들어내는 것이다.

재현 가능성이 부족하면, 데이터 과학자는 모델에 대해 확신을 가지고 반복

iterate

하기 힘들고,

심한 경우 상용 환경에서 정상 작동 가능하다는 말조차

DevOps

에게 꺼내지 못할 수도 있다.

확실하게 재현 가능성을 확보하려면, 모든 자산

asset

과 매개변수를 버전 관리해야 하고, 모델의

학습과 검증에 사용한 데이터와 소프트웨어 환경 또한 버전 관리해야 한다. 이와 관련한 자세

한 내용은

4

.

6

절에서 다룬다.

3.2.6

책임 있는

AI

모델의 재현 가능 여부는 운영화 과제 중 하나에 불과하다.

DevOps

팀은 모델 검증 방법도

이해해야 한다(예를 들면, 모델이 어떤 작업을 하고, 모델을 어떻게 테스트해야 하고, 기대 결

과는 무엇인지 등). 규제가 심한 산업의 경우, 문서화를 상당히 상세한 수준까지 수행해야 한

다. 모델을 어떻게 개발했고 어떻게 조정했는지도 포함해야 할 수 있다. 아주 심한 경우에는 모

델을 독립적 환경에서 다시 코딩하고 개발해야 할 때도 있다.

문서화는 의사소통의 문제에 대한 표준에 가까운 해결책이다. 학습된 모델에 대한 문서를 자동

으로