MLOps 애플리케이션 모니터링, 재학습, 교체

비즈니스를 위한 MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

머신러닝 모델 운영

$$

사전 배포

$$

사전 배포

• 어디서나 동일 결과가 나오도록 보장
  • 컨테이너화 포함
• 추가 점검
  • 보안

$$

대개 담당자는

• 소프트웨어 엔지니어 또는 머신러닝 엔지니어임

$$

MLOps 애플리케이션 배포

$$

MLOps 애플리케이션 배포

배포(CI/CD)

• 대체로 자동화됨
• 다양한(자동) 테스트로 구성됨
• 변경을 신속히 롤백 가능

$$

대개 담당자는

• 소프트웨어 엔지니어 또는 머신러닝 엔지니어임

$$

MLOps 애플리케이션 모니터링

MLOps 애플리케이션 모니터링

모델이 운영 중이며

• 비즈니스 가치를 창출함
• 다운타임·이슈는 비용이 큼
• 면밀한 모니터링 필요
  • 대부분 자동화

모델이 실패하면

• 여러 담당자가 관여할 수 있음

모델 품질은 시간이 지나면 저하됨을 유의하십시오.

$$

머신러닝 모델 재학습

머신러닝 모델 재학습

모델 성능은 보통 시간이 지나며 저하됩니다

• 경제 환경 변화
• 고객 선호 변화

따라서 모델을 정기적으로 재학습해야 합니다

• 일부 자동화 가능

주요 담당자

• 데이터 사이언티스트 / 머신러닝 엔지니어

$$

연습해 봅시다

비즈니스를 위한 MLOps