MLOps21 MLOps - 3. 머신러닝 프로젝트 라이프 사이클 출처 : 변성윤님 블로그. 출처 : 부스트캠프 AI Tech. 1. 머신러닝 프로젝트 Flow 1.1 문제 정의의 중요성 문제 정의 : 특정 현상을 파악하고 => 그 현상에 있는 문제(Problem)을 정의하는 과정 문제를 잘 풀기(Solve) 위해선 문제 정의(Problem Definition)이 매우 중요함 풀려고 하는 문제가 명확하지 않으면 그 이후 무엇을 해야할지 결정하기 어려워짐 예 : 저는 사람들을 행복하게 만들고 싶어요 => 어떤 사람들을 대상으로? 모든 사람들을 대상으로? => 행복의 정의는 무엇인가? 금전적 부? 감정적인 상황? => 행복의 정의에 따라 무엇을 할 수 있을지가 다름 본질을 파악하는 과정 해결해야 하는 문제는 무엇이고 그 문제를 해결하면 무엇이 좋을까? 어떻게 해결하면 좋을.. 2022. 5. 19. MLOps - 2. Model Serving 출처 : 변성윤님 블로그. 출처 : 부스트캠프 AI Tech. 1. Model Serving 1.1 Serving Basic Production(Real World) 환경에 모델을 사용할 수 있도록 배포 머신러닝 모델을 개발하고, 현실 세계(앱, 웹)에서 사용할 수 있게 만드는 행위 - 서비스화라고 표현할 수도 있음 머신러닝 모델을 회사 서비스의 기능 중 하나로 활용 예 : 추천 시스템의 추천 알고리즘 Input이 제공되면 모델이 예측 값(Output)을 반환 크게 Online Serving, Batch Serving 이 존재하며, 클라이언트(모바일기기, IoT Device) 에서 Edge Serving 도 존재 1.2 Serving 용어 Serving : 모델을 웹/앱 서비스에 배포하는 과정, 모델을 .. 2022. 5. 18. MLOps - 1. MLOps 개론 출처 : 변성윤님 블로그. 출처 : 부스트캠프 AI Tech. 1. MLOps 란? 1. 머신러닝 모델을 운영하면서 반복적으로 필요한 업무를 자동화시키는 과정 2. 머신러닝 엔지니어링 + 데이터 엔지니어링 + 클라우드 + 인프라 3. 머신러닝 모델 개발(ML Dev)과 머신러닝 모델 운영(Ops)에서 사용되는 문제, 반복을 최소화하고 비즈니스 가치를 창출하는 것이 목표 4. 모델링에 집중할 수 있도록 관련된 인프라를 만들고, 자동으로 운영되도록 만드는 일 2. 왜 필요한가요? - 모델 research : [문제 정의] - [EDA] - [Feature Engineering] - [Train] - [Predict] - 모델 production : [문제 정의] - [EDA] - [Feature Engine.. 2022. 5. 17. 이전 1 2 3 다음
