[MLOps] 10. End-to-End MLOps Workflow

End-to-End MLOps Workflow

• 비즈니스 가치를 제공하는 것은 단순히 해당 사용 사례에 맞는 최고의 머신러닝(ML) 모델을 구축하는 것만을 의미하지 않는다.
• 이 가치를 제공하는 것은 변화하는 비즈니스 환경의 동적 요소에 적응하기 위해 지속적으로 운영되는 통합 ML 시스템을 구축하는 것을 포함한다.

• 이러한 ML 시스템에는 ML 데이터셋과 feature 의 수집, 처리, 관리; 대규모로 모델을 학습하고 평가; 예측을 위한 모델 제공; 프로덕션에서 모델 성능 모니터링; 모델 메타데이터와 아티팩트 추적이 포함된다.

  

• 지금까지 Google Cloud 의 Practitioners guide to MLOps 를 통해 ML 시스템을 구축하고 운영하기 위한 핵심 기능을 보고, 개발에서 프로덕션에 이르는 워크플로우를 간소화하기 위한 포괄적인 MLOps 프로세스를 설명했다.
• 이를 통해 조직은 시장 출시 시간을 단축하면서 ML 시스템의 신뢰성, 성능, 확장성, 보안을 향상시킬 수 있다.

Reference

• Practitioners guide to MLOps: A framework for continuous delivery and automation of machine learning by Google Cloud

맨 위로 이동 ↑