
382
MLOps 실전 가이드
크플로는 서버리스 방식으로 구축하고, 추후에 필요한 기능이 추가 될 경우 다른 플랫폼으로
확장하는 것을 추천한다.
만약 더 많은 기능이 필요한 경우, 버텍스
AI
플랫폼을 이용하면 더 큰 프로젝트를 위한 데이
터 및 머신러닝 엔지니어링 요소를 활용할 수 있다. 특히 피처 스토어
Feature
Stores
, 설명 가능
한
AI
Explainable
AI
, 모델 품질 추적
tracking
model
quality
등은
MLOps
솔루션의 중요한 구성 요소
이다.
9.3
머신러닝 모델 운영 머신러닝 모델 운영
모든 주요 클라우드 플랫폼에는 이제
MLOps
기능이 포함되어 있다. 구글 클라우드 플랫폼
의
MLOps
인 버텍스
AI
는
AutoML
기술을 포함한 많은 개별 서비스를 통합하여 제공한다.
MLOps
플랫폼들의 필수 요소로는 피처 스토어, 설명 가능한
AI
, 모델 품질 추적 등이 있다.
만약 큰 규모의
MLOps
프로젝트를 진행한다면 구글 클라우드 플랫폼에서는 버텍스
AI
,
AWS
에서는 세이지메이커, 애저에서는 애저 머신러닝 스튜디오에서 시작하면 된다.
구글 클라우드 플랫폼에서는 독립적인 솔루션으로 구성 요소를 조합하여 머신러닝을 운영하는
것도 또 다른 옵션이 될 수 있다. 예를 들어 모델을 배포하여 예측을 수행할 경우 다음과 같은 ...