MLOps 실전 가이드

236

MLOps 실전 가이드

클라우드워치는 데이터와 측정항목들을 한데 모으고, 알림을 생성하고, 클라우드의 다양한 리

소스들을 스케일링한다. 지금까지 클라우드워치가 하는 일에 대해 간략히 설명했다. 이 장에서

앞으로 다루게 될 내용들을 공부할 때 큰 틀에서 클라우드워치가 하는 일과 연관 지어 생각해보

기를 권한다. 다음으로 관찰가능성을 만드는 다양한 요소들의 일부인 로깅에 대해서 살펴보자.

역자역자 노트노트

애플리케이션에서 정답값(

GT

)으로 향하는 화살표가 왜 존재하는지를 생각해 볼 만하다. 모델 성능을 추적하

거나 모델을 재학습시키기 위해서는 모델 추론에 대한 정답값이 필요하다. 일반적으로는 성능 평가를 위해

추가적인 레이블링이 필요하다.

반면, 미래 예측 모델의 경우

GT

가 시간이 지남에 따라 자동으로 수집될 수 있다. 예를 들어

5

일 뒤 기온을

예측하는 모델을 만들었다고 생각해보자. 오늘 모델의 출력값을

5

일 뒤에 실제 기온과 비교하면 모델의 성능

을 추적할 수 있다.

이렇게 시간이 지남에 따라

GT

를 자동으로 수집할 수 없는 경우에는 서비스 차원에서 사용자로부터

GT

를

얻어내는 방법도 있다. 예를 들어, 사용자가 재생했던 음악에 기반해 다음 음악을 적절히 재생하는 스포티파

이

spotify

서비스의 경우 머신러닝 모델이 추천한 다음 음악을 사용자가 종료했는지를 ...