살아 움직이는 머신러닝 파이프라인 설계: 텐서플로와 함께하는 머신러닝 프로젝트 자동화

287

10

장

고급 TFX

10.4

요약

이 장에서는

TFX

개념을 확장했습니다. 사용자 지정 컴포넌트를 작성하는 방법을 자세히 살펴

봤습니다. 사용자 지정 컴포넌트를 작성하면 기존

TFX

컴포넌트를 확장하고 파이프라인 요구

에 맞게 조정할 수 있습니다. 사용자 지정 컴포넌트를 사용하면 머신러닝 파이프라인에 더 많

은 단계를 통합할 수 있습니다. 파이프라인에 컴포넌트를 추가함으로써 파이프라인에서 생산

한 모든 모델이 같은 단계를 거쳤음을 보장할 수 있습니다. 사용자 지정 컴포넌트의 구현은 복

잡할 수 있으므로, 처음부터 컴포넌트의 기본 구현을 검토하고 기존 컴포넌트 기능을 상속하여

새 컴포넌트 실행자를 쉽게 구현했습니다.

또한 파이프라인 그래프를 분기하여 같은 파이프라인 실행에서 여러 모델을 생성하는 등의 고

급 학습 설정도 다뤘습니다. 이 기능을 사용하여 모바일 앱 배포용

TFLite

모델을 만들 수 있습

니다. 머신러닝 모델을 지속해서 생성할 수 있도록 학습 프로세스를 웜 스타트하는 방법도 살

펴봤습니다. 웜 스타트 모델 훈련은 지속해서 훈련된 모델의 훈련 단계를 단축할 때 유용합니다.

머신러닝 파이프라인 설정에서 휴먼 인 더 루프 개념을 소개하고 실험 컴포넌트를 구현하는 방

법도 알아봤습니다.휴먼 인 더 루프 개념은 전문가 검토를 모델 배치하기 전의 필수 파이프라

인 단계로 추가하는 방법입니다. 이를 통해 완전히 자동화된 컴포넌트와 데이터 과학자들의 비

판적인 검토가 결합하여 머신러닝 파이프라인이 최종적으로 구성됩니다.

다음 두 장에서는 사용자가 ...