반응형 DATA Science/MLops2 MLops 시나리오 이 워크샵에서는 ML 실무자가 사용하는 일반적인 절차, 즉 CRISP-DM 프로세스를 자동화하는 MLOps 파이프라인을 구현합니다. 본질적으로 CI/CD 파이프라인을 생성하여 데이터 사전 처리, 기능 엔지니어링, 모델 교육, 모델 테스트, 모델 배포 및 모델 모니터링과 같은 수동 프로세스를 자동화하게 됩니다. 모두 민첩한 DevOps 모범 사례를 사용합니다. 워크숍은 ML 실무자의 관점에서 MLOps CI/CD 파이프라인 생성 및 실행에 중점을 두는 4가지 기본 모듈로 구성됩니다. MLOps CI/CD 파이프라인 소스 및 데이터 리포지토리 구성 ML Practitioner는 AWS CodeCommit에 리포지토리를 생성하여 모델 소스 코드를 저장합니다. 또한 모델 교육 및 추론 이미지를 저장할 리포지토리.. 2021. 8. 19. MLops 실습 개요 데이터 과학자와 ML 실무자는 ML 모델을 구축, 테스트 및 프로덕션 환경에 배포하기 위해 Jupyter 노트북 이상의 것이 필요합니다. 또한 이러한 작업을 안정적이고 유연하며 자동화된 방식으로 수행해야 합니다. 실제 비즈니스 사례를 위한 모델을 개발하기 위한 ML 여정을 시작할 때 고려해야 할 세 가지 기본 질문이 있습니다. 조직에서 코드 한 줄과 관련된 변경 사항을 배포하는 데 얼마나 걸립니까? 프로덕션에서 모델 개념 드리프트를 어떻게 설명합니까? 반복 가능하고 안정적이며 자동화된 방식으로 모델을 구축, 테스트 및 배포할 수 있습니까? 따라서 이러한 질문에 대한 너의 답변이 만족스럽지 않다면 MLOps는 다음을 수행하는 데 도움이 될 수 있는 개념입니다. CI/CD(지속적 통합/지속적 제공)를 위한 .. 2021. 8. 19. 이전 1 다음 반응형
