MLOps6 MLOps - 21. Further (앞으로 더 공부하면 좋을 내용) 출처 : 변성윤님 블로그. 출처 : 부스트캠프 AI Tech. 1. 앞으로 더 공부하면 좋을 내용 1.1 개발 AI Engineer, ML Engineer는 결국 “엔지니어” 코드 레벨에서 깊은 이해, 고민이 필요함 Data Engineer도 데이터를 처리하기 위한 개발 학습이 필요 데이터 분석가에 가깝다고 하면 데이터 분석 역량에 집중해야 하지만, 코드 역량이 뛰어날수록 퍼포먼스가 높아짐 Python 우리는 Python을 잘 알고 있는가? 엄청 Low Level까진 필요하지 않을 수 있지만, 기본적으로 학습한 내용보단 한단계 더 학습하는 습관 가지기 Generator, Decorator, GIL 등 멀티프로세싱은 어떻게 동작하는가 메모리 영역에서 어떤 일이 발생하는가 Linux 서버에서 사용하는 Lin.. 2022. 6. 5. MLOps - 5. Voila, ipywidget 출처 : 변성윤님 블로그. 출처 : 부스트캠프 AI Tech. View Source In [ ]: from IPython.core.display import display, HTML display(HTML("")) 0. Libarary Import¶ In [9]: import io import os import yaml import pandas as pd import numpy as np from PIL import Image import torch import torch.nn as nn import torch.nn.functional as F from efficientnet_pytorch import EfficientNet import albumentations import albumentations... 2022. 5. 21. MLOps - 4. Voila, ipywidget 출처 : 변성윤님 블로그. 출처 : 부스트캠프 AI Tech. 1. Voila 1.1 Why Voila? - 프로토타입이 중요한 이유 모델 개발 과정 Jupyter Notebook에서 함수를 작성한 후, 예측 함수를 실행하며 성능 확인 혼자 확인할 땐 위와 같이 진행해도 괜찮으나, 동료들과 함께 보면서 이야기할 때는? 라이브러리의 의존성 테스트를 위해 추가 환경 설정이 필요 개발을 잘 모르는 분에게 테스트 요청할 경우엔 이 부분을 어려워 할 수 있음 이런 경우 활용할 수 있는 도구가 Voila Notebook 베이스로 프로토타입 만들기 ipywidget과 같이 사용할 경우 간단한 대시보드를 구축할 수도 있음 실행할 때 저장된 Notebook 파일이 순차적으로 실행 1.2 Voila Voila의 본래 목적.. 2022. 5. 20. 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 다음
