로우코드 AI

323

9

장

AI 여정의 다음 단계

9.2

ML

운영

7

장에서 고객 이탈을 예측하는 머신러닝 모델을 학습시키고, 노트북 환경에서 예측을 제공했

습니다. 그러나 이는 머신러닝 모델을 실제로 상용 환경에 배포하는 과정의 한 단계에 불과합

니다. 이미 보셨듯이, 데이터를 학습할 준비가 되도록 작업해야 했습니다. 하지만 여기에는 모

델 학습과 제공에 필요한 기본 컴퓨팅 인프라, 사용 중인 자원의 소비를 관리하고 최적화하는

방법, 모델을 사용자에게 제공하는 방법, 그리고 시간이 지나면서 모델을 모니터링하는 방법에

대한 고려는 포함되지 않았습니다. [그림

9

-

7

]은 머신러닝 코드를 작성하는 데 필요한 노력과,

머신러닝 모델을 상용 환경에 배포하는 데 필요한 다른 측면들을 비교하여 보여줍니다.

그림

9-7

ML

모델을 사용 가능하게 하는 숨겨진 복잡성

ML

운영(

MLOps

)은 모델을 넘어 다양한 작업을 모두 관리하는 분야입니다. 여기에는 인프라

관리, 모델 배포 및 접근 방법 결정, 적절한 모델 모니터링 및 갱신이 포함됩니다.

MLOps

는 일반적으로

ML

엔지니어, 데이터 엔지니어, 데이터 과학자가 관리해야 합니다. 그

러나 해당 역할의 종사자가 아니더라도 상용 환경으로

ML

모델을 배포할 때 무엇을 고려해야

하는지에 관한 큰 그림을 이해해 두면 매우 유용합니다. 모델 개발자가 ...