MLOps

위의 사진처럼 다양한 방식으로 최고의 성능 모델을 찾아냈지만, 가장 좋았던 모델 정보를 시간이 지난 후에 바로 확인이 되지 않은 어려움이 있었습니다.\*MNIST모델 좋은 성능을 가진 것을 바로 못 찾음\*학습 환경과 배포 환경이 같지 않다.\*혼자서는 가능\*협업 시

\*과거의 소프트웨어 개발 방식(단 반향)\*DevOps의 탄생빌드 자동화, 테스트 자동화운영 중 이슈 관리\*ML 프로젝트와 SW프로젝트 유사성버전관리데이터와 모델 버전테스트 자동화모델 학습, 모델 성능 평가모니터링서빙 모델데이터 변화시스템 안정성\*AI 서비스와 일

적절한 오픈소스와 상용 소프트웨어 선정할 때 필요데이터 수집 파이프라인Sqoop, Flume, Kafka, FlinkSpark Streaming, Airflow데이터 저장MySQL, Hadoop, Amazon S3, MinlO데이터 관리TFDV, DVC, Feast,

Reproducibility: 실행 환경의 일관성 및 독립성Job Scheduling: 스케줄관리, 병렬 작업 관리, 유휴 자원 관리Auto-healing & Auto-scaling: 장애 대응, 트래픽 대응핵심기능: ContainerizationContaineriza