MLOps 도입 가이드

54

1부MLOps개념과필요성

이러한 방식은 소프트웨어와 관련된 오래된 질문이다. 머신러닝에 대한 예산이 커질수록 데이

터 과학자에게 가치를 입증하라는 압박은 더욱 거세질 것이다. 돈으로 환산할 수 있는 수단이

없다면, 가장 좋은 선택지는 비즈니스

KPI

를 효과적으로 모니터링하는 것이다. 이와 관련한

상세한 내용은

10

.

3

절에서 다룬다. 기준을 설정하는 것도 중요한데, 프로젝트 전체가 아닌 머

신러닝 관련 하위 프로젝트에 대해 특정하여 구분하는 편이 이상적이다. 예를 들어, 머신러닝

의 성능을 직무 전문가가 설정한 규칙 기반 의사결정 모델에 비교하여 평가함으로써, 의사결정

을 자동화하여 얻을 수 있는 이점과 머신러닝을 활용하는 것 자체로 얻을 수 있는 이점을 분리

하여 평가할 수 있다.

3.5

반복 및 생애주기

모델의 개선된 버전을 개발하고 배포하는 일은 머신러닝 모델 생애주기 중 중요한 부분이자 좀

더 도전적인 과제 중 하나다. 모델의 새 버전을 개발해야 하는 이유로는 여러 가지가 있을 수

있는데, 그중 하나는 앞에서 설명했듯이 모델 드리프트

Model

drift

로 인한 모델 성능 저하다. 때로

는 재정의한 비즈니스 목표 및

KPI

를 반영해야 할 수도 있고, 때로는 데이터 과학자가 더 나은

모델 설계 방법을 찾았기 때문일 수도 있다.

3.5.1

반복

일부 빠르게 변화하는 비즈니스 환경에서는 매일 새로운 학습 데이터를 얻을 수 있다. 가능한

한 최신 경험을 모델에 반영하기 위해 매일 재학습 및 재배포되도록 자동화하기도 한다.

최신 학습 ...