유지 보수 가능한 ML 코드 작성

프로덕션을 위한 Machine Learning 모델 개발

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

프로젝트 구조화

• 프로젝트 파일을 논리적으로 구성
• 관련 파일을 함께 그룹화
  • 데이터셋과 ML 모델은 폴더를 분리
• 파일 이름과 라벨을 명확히 지정

샘플 프로젝트 구조

README, 요구 사항 파일, 세 개의 하위 폴더(data, models, notebooks)를 갖춘 샘플 프로젝트 디렉터리

• README.md: 저장소 목적과 사용 방법 설명
• requirements.txt: 모든 의존성 목록
• data: 원천/가공 데이터 등 데이터 관련 파일
• models: 모델 생성 스크립트 등 모델 관련 파일
• notebooks: 탐색, 학습, 평가용 노트북

코드 버전 관리

• 코드 변경 이력을 관리하려면 git과 같은 버전 관리를 사용
• 필요 시 변경 사항 롤백 가능
• 버그 원인 추적에 도움
• 병렬 작업 가능

문서화

• 코드와 프로젝트 구조를 문서화
• 각 파일·함수의 목적 설명
• 코드 사용 방법 설명
• ML 모델 배포 방법 안내 포함

코드의 적응성

• 이해, 수정, 업데이트가 쉬움
• 코드 변경에 드는 시간과 노력을 줄임
• 데이터·코드·요구사항 변경에 쉽게 적응
• 버그 발생 가능성 감소
• 새 기능·기술 통합이 용이
• 시간이 지나도 발전·적응하는 ML 앱에 필수

연습해 봅시다!

프로덕션을 위한 Machine Learning 모델 개발