지속적 통합과 지속적 배포(CI/CD)

엔드 투 엔드 Machine Learning

Joshua Stapleton

Machine Learning Engineer

ML 수명 주기의 CI/CD

머신러닝 수명 주기의 배포 단계

엔드 투 엔드 Machine Learning

CI/CD 원칙

지속적 통합(CI)

  • 중앙 저장소로 정기적으로 병합
  • 버그 식별을 위한 자동 테스트 포함되는 경우 많음

업데이트되는 클라우드로 표시된 지속적 통합

지속적 배포(CD)

  • 코드베이스 업데이트를 프로덕션에 자동 배포
  • CI와 함께 사용되는 경우가 많음

로켓으로 표시된 지속적 배포

엔드 투 엔드 Machine Learning

머신러닝에서의 CI/CD

프로덕션/반복에 CI/CD는 핵심

  • 예: 신규 환자 데이터 자동 반영
  • 데이터 드리프트 방지에 도움

 

ML에서의 CI/CD:

  • 모델 정기 재학습
  • 성능 테스트
  • 규칙 기반 자동 배포
엔드 투 엔드 Machine Learning

AWS Elastic Beanstalk로 CI/CD

AWS Elastic Beanstalk(EB):

  • 애플리케이션·서비스 배포와 스케일링을 위한 완전관리형 서비스
  • EB 설치
eb init


eb create heart_disease_env


eb deploy


eb open
엔드 투 엔드 Machine Learning

EB 대안 (1)

Azure Machine Learning:

  • 실시간 스코어링 서비스
  • 학습용 관리형 컴퓨팅 리소스
  • 운영 환경 성능 모니터링
엔드 투 엔드 Machine Learning

EB 대안 (2)

GCP App Engine:

  • AWS EB 또는 Azure Machine Learning과 유사한 대안
엔드 투 엔드 Machine Learning

EB 대안 (3)

Kubernetes:

  • 오픈 소스 컨테이너 오케스트레이션 시스템
  • 컨테이너화 앱의 배포·스케일링·관리 자동화
  • 주요 클라우드와 호환
  • 학습 곡선은 가파르나 제어력은 큼
엔드 투 엔드 Machine Learning

EB 대안 (4)

이외에도 매우 많습니다!

엔드 투 엔드 Machine Learning

Ayo berlatih!

엔드 투 엔드 Machine Learning

Preparing Video For Download...