
43
1
장
머신러닝 파이프라인
여기서 머신러닝 파이프라인을 구축할 때는 모델 아키텍처 설계가 완료되었다고 가정하고 모
델을 수정하지 않겠습니다. 모델 아키텍처는
6
장에서 자세히 설명합니다. 하지만 이 책은 이미
만들어진 모델로 무엇을 할 수 있는지를 다루므로, 모델 아키텍처에 중점을 두지 않습니다.
1.5.3
예제 프로젝트의 목표
이 책에서는 머신러닝 모델을 지속적으로 학습하는 데 필요한 프레임워크, 컴포넌트, 인프라
요소를 시연합니다. [그림
1
-
4
]의 아키텍처 다이어그램에서 보여지는 기술 스택을 사용합니다.
데이터
수집
파이프라인
오케스트레이션
메타데이터스토어 데이터베이스
데이터
검증
데이터
전처리
모델
학습
모델 분석 및
검증
모델
배포
그림
1-4
예제 프로젝트의 머신러닝 파이프라인 아키텍처
여러분이 직면한 머신러닝 문제에 쉽게 응용할 수 있도록 일반적인 머신러닝 문제를 구현하려
고 노력했습니다. 머신러닝 파이프라인의 구조와 기본 설정은 그대로 유지한 채 각자의 프로젝
트에 적용할 수 있습니다. 각 컴포넌트에는 어쩔수 없이 각자의 환경에 맞춰 수정해야 할 부분
(예: 데이터 수집 위치 )이 있지만, 매우 제한적이고 많지 않습니다.
1.6
요약
이번 장에서는 머신러닝 파이프라인 개념을 소개하고 개별 단계를 설명했습니다. 프로세스 자
동화의 이점도 살펴봤죠. 또한 다음 장의 ...