MLOps 도입 가이드

53

3장 MLOps의핵심기능

이상 거래 사례의 경우, 실측 결과로는 데이터 사이언스 팀이 매일 정확하게 성능 모니터링을

할 수 없다. 빠른 피드백이 필요한 경우, 입력값 드리프트가 더 나은 방안이 될 수 있다.

입력값 드리프트

입력값 드리프트

5

는 학습 데이터가 현실 세계를 정확히 반영하고 있다면 모델도 정확하게 예측

할 것이라는 가정을 기반으로 한다. 따라서 배포된 모델에 대한 최근 요청에 큰 변화가 있다면,

모델 성능이 크게 떨어졌을 가능성이 높다. 이것이 입력값 드리프트 모니터링의 기본이다. 이

접근 방법의 장점은 만약 테스트에 필요한 데이터가 모두 있다면 실측 데이터 혹은 그 어떤 정

보도 필요하지 않다는 점에 있다.

드리프트를 판정하는 것은 적응형

MLOps

전략에서 가장 중요한 요소들 중 하나다. 또한 조직

의 엔터프라이즈

AI

작업 전반에 민첩성을 가져올 수 있는 요소이기도 하다.

7

장에서 모델 모

니터링에 대해 기술적으로 상세히 살펴보겠다.

3.4.3

비즈니스 관심사

비즈니스 관점에서는 모니터링에 대한 전체적인 조망이 필요하기 때문에, 다음과 같은 의문을

가질 수 있다.

●

모델이기업에가치가있는가?

●

모델로얻을수있는이점이모델을개발하고배포할때필요한비용을넘어서는가?

 (또한이이점이나비용은어떻게측정할수있는가?)