[02] MLOps 개론

• MLOps 란?
  
  • 머신러닝 모델을 운영하면서 반복적으로 필요한 업무를 자동화 시키는 과정
  • 머신러닝 모델 개발(ML Dev)과 머신러닝 모델 운영(Ops)에서 사용되는 문제, 반복을 최소화하고 
    비즈니스 가치를 창출하는 것이 목표
  • 빠른 시간 내에 가장 적은 위험을 부담하며 아이디어 단계부터 Production 단계까지 ML 프로젝트를 진행할 수 있도록 기술적 마찰을 줄이는 것
• Research와 Production 차이

• MLOps 학습 방법 -> 문제를 해결하기 위한 방법으로 어떤 방식을 활용 할 지.. 모든 것을 학습하는 것은 ㄴㄴ
• MLOps Component - Infra
  • 클라우드 : AWS, GCP, Azure, NCP ..
  • 온 프레미스 : 회사나 대학원의 전산실에 서버를 직접 설치
• MLOps Component - Serving
  • Batch Serving - 한 번에 많은 양을 일정 주기
  • Online Serving - 한 번에 하나씩 실시간으로 
• MLOps Component - Experiment, Model Management
  • ex) mlflow

  • 

• MLOps Component - Feature Store
  • Library 예시 : FEAST
• MLOps Component - Data Validation
  • TFDV( Tensorflow Data Validation)
  • AWS Deequ
• MLOps Component - Continuous Training
• MLOps Component - Auto ML

 

MLOps의 각 Component가 필요한 이유?? 뭐가 가장 매력적일까 ??. 블로그에 정리해보기 !