수명 주기 단계

MLOps 배포와 라이프사이클링

Nemanja Radojkovic

Senior Machine Learning Engineer

머신러닝 수명 주기들

 

1. ML 프로젝트 수명 주기
2. ML 애플리케이션 수명 주기
3. ML 모델 수명 주기

모델이란...

추상적/이론적인 것이 아닙니다

모델이란

• 구체적이고 학습된 모델
• 즉시 사용 가능함

배포(Deployment)

 

• 모델 객체 + 배포 리소스 = 모델 배포 패키지
• 모델을 사용에 투입 = 배포

 

모델 모니터링

 

• 모델 서버가 실행 중인가요?
• 입력·출력이 기대와 일치하나요?
• 일명 사후 배포 모니터링

 

서비스 종료(Decommissioning)

 

 

가능한 이유

• 더 나은 모델 발견
• 더 유용한 특성 생성
• 대상 프로세스 변경으로 기존 모델 무효화

 

=> 오래된 것 종료, 새 모델 도입

모델 보관(아카이빙)

• 규제 산업에서 중요함.

  2020년에 신용위험 모델이 왜 이 대출을 승인했나요?

 

• 재현성: 이전 모델 버전을 다시 만들고 로드하여 사용할 수 있는 능력
  • 간단한 요구가 아님

 

연습해 봅시다!

MLOps 배포와 라이프사이클링