머신러닝 엔지니어링 방법론, MLOps

MLOps

Machine Learning DevOps 

머신러닝 엔지니어링 방법론

프로젝트를 효과적으로 개발, 배포, 운영하고 유지보수하기 위한 통합된 접근 방식

개발자, 운영팀, 데이터 과학자 등의 다양한 역할 간의 협업을 강화하고,

머신 러닝 모델의 생명주기를 관리하는 방법을 정의

 

모델개발은 전체워크로드의 5%만이 인공지능이였던 기존 현실을 보완하고자 필요성이 부각됨

데이터 수집, 전처리, 모델 훈련, 평가, 배포 등의 머신 러닝 프로세스를 자동화된 파이프라인으로 구축한다.

이로인해 개발자들이 코드에만 집중할 수 있도록 함.

 

개발된 모델의 80%가 버려지는 현실을 보완하고자

모델성능 저하를 조기에 발견하여 지속적인 모델 재학습/튜닝이 가능하도록 한다.