MLOps를 도입하기전 필독서

dhan***

2022-05-30

기업이 데이터 사이언스와 AI를 더 성공적으로 도입•운영할 수 있도록 MLOps에 대한 기본 지식과 다양한 실제 사례를 담은 실용 가이드 북입니다.

이 책은 MLOps를 고민하는 대규모 프로젝트팀이나 데이터 분석팀에게 가장 유용할 것이다.

그럼에도 머신러닝을 공부하거나 도입 예정인 담당자에게도 꼭 추천을 드린다.

우리의 최종 목적은 안정적인 ML 기반 서비스 구축이 아니던가?

이 책은 크게 MLOps 개념과 필요성, MLOps 적용 방법, MLOps 실제 사례 순으로 크게 3개 파트로 구성되어 있다.

책의 제목처럼 단계별로 MLOps를 도입하기 위한 가이드를 충분히 제공하고 있다. (이 책 하나면 충분할 정도다)

기존 DevOps의 내용뿐만 아니라, 전통적인 프로젝트와는 달리 ML 프로젝트가 가지고 있는

다양성, 특징을 아주 잘 설명하고 있다.

안정적인 ML 프로젝트를 위해 필수적인 입력값 데이터 모니터링, 특징값의 저장 관리,

기존 DevOps와 다른 모델 버전 관리, 추가적인 테스트 요소 및 모니터링, 피드백, 성능 감지, 효과적인 배포 방안등등

예를 들면, 추천 엔진의 경우 입력값과 학습의 결과에 따라 추천값이 우리가 기대한 것과

반대 방향으로 나올 때 모델의 라이프사이클은 종료될 것이다.

이 부분은 미리 감지할 수 있어야 할 것이며, 이럴 경우 사용자에게 추천을 제외하거나

이전 모델로 추천하도록 선택권을 줘야 한다. 그래서 우리는 리스크를 줄여야 하니까...

특히 8장 거버넌스 부분이 상당히 인상적이다. AI 데이터에 대한 공정성, 법적 문제,

윤리적인 문제에 대해서 국제적인 동향을 설명하고 있다.

이 부분은 고려하지 않으면 최악에는 우리가 만든 제품이 세상에 나올 수도 없다면 얼마나 상심이 크겠는가?

이 책은 MLOps를 도입과는 상관없이 ML 프로젝트에서도 필수적으로 알아야 할 내용이 아주 많다.

그래서 서두에 공부 예정인 학생들이나 직장인들에게도 추천했던 것이다.

MLOps가 초기 단계인 만큼, 이 책에서는 구축에 대한 속 시원한 해답을 제공하고 있지는 않다.

하지만 안정적인 MLOps를 구축하기 위한 가이드는 충실히 설명하고 있다.

마지막으로 이 책을 가장 잘 설명하는 문구를 인용하면서 끝을 맺고자 한다.

현재 대규모 MLOps는 초기 단계다.

이를 실행하는 기업이 흔치 않고, 잘하고 있는 기업도 거의 없다.

거버넌스가 MLOps 효율성 개선의 핵심이지만, 이러한 과제를 직접적으로 해결해주는 도구는 거의 없고,

단지 단편적인 조언만 있을 뿐이다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

한빛미디어