인공지능
MLOps 이란
머신러닝을 위한 DevOps 관행
MLOps (Machine Learning Operations) — ML 모델 개발(ML)과 운영 배포(Ops)를 결합하여 머신러닝 라이프사이클을 자동화하고 표준화하는 일련의 관행.
핵심 구성 요소
- 버전 제어 — 데이터, 모델 및 코드 버전 관리
- ML용 CI/CD — 자동화된 훈련 및 배포 파이프라인
- Feature Store — 중앙 집중식 피처 저장소
- Model Registry — 훈련된 모델 레지스트리
- 모니터링 — 프로덕션에서 모델 품질 추적
MLOps 파이프라인 단계
- Data Pipeline — 데이터 수집, 정제, 변환
- Training Pipeline — 모델 훈련 및 검증
- Deployment Pipeline — 프로덕션 배포
- Monitoring Pipeline — 모니터링 및 알림
MLOps 도구
- MLflow — 실험 및 모델 관리
- Kubeflow — Kubernetes의 ML 플랫폼
- DVC — 데이터 버전 관리
- Weights & Biases — 실험 추적
- Seldon / BentoML — 모델 서빙
비즈니스 이점
- 가속화 — 아이디어에서 프로덕션까지 더 빠르게
- 품질 — 드리프트 및 성능 저하 제어
- 확장성 — 프로세스 표준화
- 협업 — DS와 엔지니어를 위한 통합 환경