살아 움직이는 머신러닝 파이프라인 설계: 텐서플로와 함께하는 머신러닝 프로젝트 자동화

377

15

장

파이프라인의 미래와 다음 단계

의미할까요? 한 머신러닝 모델에서 다음 모델까지 데이터의 입력 형식은 같을 수 있고 예측의

출력 형식은 동일하게 유지되므로 중단 없이 변경될 수 있습니다. 파이프라인이 계속 실행되므

로 오류가 발생하지 않습니다. 하지만 새로운 모델의 성능이 이전 모델과 완전히 다를 수 있습

니다. 머신러닝 파이프라인을 표준화하려면 모델 버전 관리 관행이 필요합니다.

모델 배포 관리를 위해 다음과 같은 전략을 제안합니다.

●

입력 데이터가 변경되면 모델 버전이 약간 변경됩니다.

●

하이퍼파라미터가 변경되면 모델 버전이 크게 변경됩니다. 여기에는 네트워크의 계층 수와 계층의 노드

수가 포함됩니다.

●

모델 아키텍처를 완전히 변경하면 (예: 순환 신경망

recurrent

neural

network

(

RNN

)

에서

Transformer

아키텍

처로 변경 ), 완전히 새로운 파이프라인이 됩니다.

모델 검증 단계는 새 모델의 성능이 이전 모델의 성능을 개선하는지 검증하여 릴리스 여부를

제어합니다. 이 단계에서는

TFX

파이프라인에서 단일 지표만 사용됩니다. 검증 단계는 추론

시간이나 데이터 여러 조각의 정확성과 같은 다른 요인을 포함하도록 향후 더욱 정교해질 것으

로 예상합니다.

15.3

미래의 파이프라인 능력

이 책에서는 집필 당시의 머신러닝 파이프라인 상태를 기술했습니다. 하지만 머신러닝 파이프

라인은 미래에 어떤 모습일까요? 다음과 같은 기능을 사용할 수 있기를 기대합니다.

●

중요도가 높아진 개인 정보 ...