Introduction

• MLOps 와 ML 시스템 설계 간의 관계
  • MLOps의 ‘Ops’는 ‘Developments and Operations’의 줄임말인 ‘DevOps’에서 유래한다. 무언가를 운영함은 그것을 프로덕션 환경에 적용함을 의미하며 여기에는 배포, 모니터링, 유지 관리가 포함된다. MLOps는 ML을 프로덕션 환경에 적용하기 위한 도구와 모범 사례의 집합이다.
  • ML 시스템 설계는 MLOps에 시스템으로 접근한다. 즉, 시스템의 각 요소와 이해관계자가 협업함으로써 정해진 목표와 요구사항을 충족하다록 ML 시스템을 총체적으로 고려한다.

1.1 머신러닝을 사용해야 하는 경우

• ML을 통한 솔루션은 일반적으로 다음 작업을 수행한다.
  • ML은 기존 데이터로부터 복잡한 패턴을 학습하고 이러한 패턴을 사용해 본 적 없는 데이터에 대해 예측을 수행하는 접근법이다.
• ML로 해결 가능한 문제
• ML 알고리즘을 사용해서는 안되는 경우
  • 비윤리적인 경우
  • 보다 단순한 솔루션이 효과 있는 경우
  • 비용 효율적이지 않은 경우

1.1.1 머신러닝 유스 케이스

• 검색 엔진
• 추천 시스템
• 타이핑 예측
• 기계 번역
• 이상 거래 탐지
• 가격 최적하
• 수요 예측
• 고객 이탈 예측

1.2 머신러닝 시스템 이해하기