한빛미디어

「머신러닝 엔지니어링 인 액션」 / 벤 윌슨 저 / 김대근,심대열 역 / 한빛미디어 출판 / 2023년 출간

"Machine Learning Engineering in Action"은 성공적인 머신러닝 프로젝트를 설계, 구축 및 전달하기 위한 핵심 원칙과 경험을 가르쳐줍니다. 프로토타입에 대한 실험 수행 및 모듈러 디자인 구현과 같은 소프트웨어 엔지니어링 기술을 발견하게 되며, 이를 통해 탄력적인 아키텍처와 일관된 팀 간 커뮤니케이션을 구축할 수 있습니다. 저자의 방대한 경험을 바탕으로, 성공적인 머신러닝 프로젝트을 위해 안정적인 데이터 파이프라인, 효율적인 애플리케이션 워크플로어, ML 모델을 구축할수 있다.

​

-- ML 시스템을 구축해 프로덕션에 적용하기 위한 핵심 요소

​

1. 자원 및 비용 관리 : ML 프로젝트의 경제적 측면을 관리합니다. 이것은 클라우드 컴퓨팅 자원, 하드웨어, 소프트웨어 라이선스의 비용을 포함하며, 효율적인 자원 사용 계획과 예산 할당이 필요합니다.

​

2. 데이터 수집 및 정제 : 품질 높은 데이터 수집은 ML 프로젝트의 기반이 됩니다. 이 과정에서는 데이터의 수집, 정제, 노이즈 제거, 결측치 처리 등을 포함하여 분석에 적합한 형태로 데이터를 준비합니다.

​

3. 보안 및 규정 준수 : 데이터의 안전한 처리와 개인정보 보호법 등 규정을 준수하는 것이 필수입니다. 데이터 보안과 관련된 위험을 관리하고, 법적 요구사항을 충족시키기 위한 프로세스를 구축합니다.

​

4. 모델 품질 관리 : 모델의 성능을 철저히 평가하고 모니터링하여, 프로덕션 환경에서도 일관된 결과를 낼 수 있도록 합니다. 모델의 오류율을 최소화하고, 시간이 지남에 따라 발생할 수 있는 데이터 드리프트를 감지하기 위한 시스템을 마련합니다.

​

5. 문서화 및 협업 : 프로젝트의 모든 측면을 문서화하여 팀원 간의 효과적인 협업을 촉진합니다. 프로젝트의 진행 상황, 변경 사항, 결정 사항 및 배운 교훈을 명확하게 기록하여, 현재 및 미래 팀원이 이해할 수 있게 합니다.

​

이러한 요소들은 ML 시스템이 실제 환경에서 원활하게 작동하고, 지속 가능하며, 비즈니스 가치를 창출하는 데 중요한 역할을 합니다. 이 책에서는 필자의 다양한 경험을 바탕으로 쉽고 친절하게 소개하고 있으며, 기술과 도구는 빠르게 발전 하고 있지만 근본 접근법을 바뀌지 않는다, 현장에서 모든 분들이 ML의 이해와 지식을 확산하는데 큰 도움이 될것이다.