살아 움직이는 머신러닝 파이프라인 설계: 텐서플로와 함께하는 머신러닝 프로젝트 자동화

375

15

장

파이프라인의 미래와 다음 단계

지금까지 머신러닝 파이프라인의 현황을 파악하고 이를 구축하는 방법에 관한 권고사항을 제

시했습니다. 머신러닝 파이프라인은 비교적 새로운 개념이고, 아직 정립해야 할 주제가 많습니

다. 이 장에서는 현재 파이프라인이 적합하지 않다고 생각되는 몇 가지 사항과 향후 머신러닝

파이프라인의 단계를 살펴보겠습니다.

15.1

모델 실험 관리

지금까지는 여러분이 이미 실험을 해 보았고 모델 구조가 기본적으로 해결되었다고 가정했습

니다. 하지만 여기서는 실험을 추적하고 원활하게 진행하는 방법에 관한 생각을 나누고 싶습니

다. 실험 프로세스에는 잠재적인 모델 아키텍처, 하이퍼파라미터, 피처 특징 탐색이 포함될 수

있습니다. 그러나 무엇을 탐색하든, 강조하고 싶은 핵심은 실험 프로세스가 프로덕션에 밀접하

게 부합해야 한다는 점입니다.

모델을 수동으로 최적화하든, 모델을 자동으로 튜닝하든, 최적화 프로세스의 결과를 기록하고

공유하는 일은 필수입니다. 팀 구성원은 모델 업데이트 진행률을 신속하게 평가할 수 있습니

다. 동시에 모델 제작자는 수행한 실험에 대한 자동 기록을 받을 수 있습니다. 우수한 실험 추

적은 데이터 과학팀의 효율성을 높입니다.

또한 실험 추적은 모델의 감사 추적을 추가하며 잠재적인 소송에 대한 보호책이 되기도 합니

파이프라인의 ...