
31
1
장
머신러닝 파이프라인
이번 장에서는 머신러닝 파이프라인을 소개하고 구축 단계를 간략하게 살펴봅니다. 머신러닝
모델을 실험에서 강력한 프로덕션 시스템으로 옮기려면 어떻게 해야 하는지 설명하겠습니다.
또한 책의 나머지 부분에서 설명하는 원칙을 보여주는 데 사용할 예제 프로젝트를 소개합니다.
1.1
머신러닝 파이프라인의 필요성
모델 생애 주기
Model
Lifecycle
단계를 자동화할 수 있다는 점은 머신러닝 파이프라인의 주요 이점
입니다. 새로운 훈련 데이터를 사용하려면 데이터 검증, 전처리, 모델 훈련, 분석 및 배포를 포
함하는 워크플로를 재설정해야 합니다. 많은 데이터 과학팀이 이런 단계를 수작업으로 수행합
니다. 하지만 비용이 많이 들고 오류를 발생시키기도 하죠. 우선 머신러닝 파이프라인의 이점
을 자세히 살펴보겠습니다.
●
기존 모델 유지보수에서 벗어나 새 모델에 집중할 수 있는 능력
자동화된 머신러닝 파이프라인을 사용하면 데이터 과학자가 기존 모델을 유지보수하지 않아도 됩니다.
많은 데이터 과학자가 이전에 개발한 모델을 최신 상태로 유지하는 데 많은 시간을 소비합니다. 스크립
트를 수동으로 실행하여 학습 데이터를 전처리하거나, 일회성 배포 스크립트를 작성하거나, 모델을 수동
으로 조정해왔죠. 자동화된 파이프라인을 사용하면 불필요한 ...