MLOps 도입 가이드

48

1부MLOps개념과필요성

통제되지 않은

AI

의 영향에 대한 전 세계적 우려가 깊어짐에 따라 설명 가능성 관련 기법은 더

욱 중요해지고 있다. 이는 불확실성을 낮추고 의도되지 않은 결과를 미연에 방지할 수 있는 방

안이다. 오늘날 일반적으로 사용되는 기법은 다음과 같다.

●

부분 의존도 그래프(

Partial

Dependence

Plot

,

PDP

):특성들이예측결과에미치는영향도를확인할

수있다.

●

하위집단(

Subpopulation

) 분석:모델이특정하위집단을어떻게처리하는지확인가능하여,많은공정성

분석에서사용한다.

●

개별 모델 예측:샤플리값(

Shapley



value

)과같은것으로,각각의특성이특정예측결과에어떤영향을미

치는지확인할수있다(

https://oreil.ly/OC8OK

).

●

What

-

if

분석:머신러닝모델의사용자가입력값에대한예측결과의민감도를확인할수있다.

이번 절에서 살펴본 바와 같이, 모델 개발은 머신러닝 모델 생애주기 중 초기 단계에 해당하지

만,

MLOps

실천 사례를 포함해야 하는 중요한 지점이다. 모델 개발 단계 중 어떤

MLOps

작

업이든 선제적으로 수행한다면, 이후 모델을 관리하기가 더 수월하다(특히 상용 배포 시에 더

욱 유용하다).

3.3

제품화 및 배포

모델의 제품화

Productionalization

와 배포

Deployment

는

MLOps

의 핵심 요소로서, 모델 ...