ML Ops ML Ops란?
컨테이너는 하나의 단위로 쉽게 이동이 가능하며, 어떠한 상황에서든 모든 운영 체제에서 실행될 수 있습니다. ML Ops(기계 학습 운영)는 프로덕션에서 기계 학습 모델을 더 쉽게 설계, 구축, 배포 및 유지관리할 수 있도록 개발된 표준화된 성공 사례 및 툴 세트입니다. 또한 자동화를 활용하여 데이터 과학자가 소프트웨어 릴리스 주기를 통합하고 ML 아티팩트 테스트를 자동화하며 ML 프로젝트에 애자일 원칙을 체계적으로 적용하여 더 높은 품질의 모델을 만들 수 있도록 기여합니다.
목차
ML Ops의 용도
데이터 과학자, 소프트웨어 엔지니어, IT 운영 전문가는 ML Ops를 사용하여 AI 및 ML 모델의 설계, 구축, 배포, 관리를 표준화하고 자동화합니다. 엄격한 ML Ops 접근 방식을 통해 참여자는 효과적으로 협업하고 지속적인 통합 및 배포(CI/CD)를 구현하며 개발 및 프로덕션 속도를 가속화할 수 있습니다.
ML Ops가 필요한 이유
기계 학습과 인공 지능은 실제로 생산에 적용하기가 매우 어려울 수 있습니다. 데이터 과학은 종종 사일로, 상충되는 형식, 개인 정보 보호 문제, 보안 요건, 리소스 부족으로 인해 복잡해집니다. ML Ops는 데이터 과학 워크플로의 개발, 테스트 및 릴리스 프로세스를 간소화하고 까다로운 AI 및 ML 프로젝트에 속도와 민첩성을 제공하는 데 도움이 됩니다.
ML Ops의 기능 및 이점
ML Ops는 EDA(탐색적 데이터 분석)부터 데이터 준비 및 엔지니어링, 모델 교육 및 배포까지 범위가 다양합니다. 올바르게 적용하면 ML 워크플로가 빠르고 효율적이며 반복 가능해져 프로덕션 시간이 단축됩니다.
ML Ops를 사용하면 데이터 과학 팀이 더 빠르게 더 높은 품질의 모델을 개발하고 제공할 수 있습니다. 이를 통해 관리와 확장성이 획기적으로 향상됩니다. 여러 모델을 병렬로 제어하고 모니터링하여 지속적인 통합, 전달, 배포가 가능해집니다. 또한 데이터 과학자, DevOps, IT 운영 팀 간의 협업을 장려하여 우선순위가 때때로 상충되는 팀 간의 마찰을 줄여줍니다.
ML Ops는 또한 엄격한 컴플라이언스와 투명성을 통해 보안 및 규제 문제를 해결하여 개발 위험을 최소화합니다. 모델과 데이터의 모든 변경 사항을 세심한 추적은 정확한 감사와 재현 가능한 결과를 보장합니다.
ML Ops를 위한 성공 사례
ML Ops의 원칙은 기계 학습 라이프 사이클의 모든 단계에 적용됩니다.
반복
무엇이든 바꾸면 모든 것이 바뀝니다(CACE). 모델이나 데이터 세트에 대한 모든 반복적 변경 사항은 기록하고 테스트해야 합니다.
반복 가능성
모든 모델, 테이블, 테스트는 동일한 조건과 데이터에서 완벽하게 재현 가능해야 합니다.
가시성
기능과 변경 사항은 투명하며 참여하는 데이터 팀 전체에서 공유되어야 합니다.
일관성
오픈 소스 형식과 라이브러리는 기능과 데이터 전반의 일관성을 보장하는 데 도움이 됩니다.
감사 가능성
정밀하고 정확한 거버넌스를 보장하기 위해서는 ML 라이프 사이클 전반에 걸쳐 모델 버전 관리와 계보를 세심하게 추적하고 유지관리해야 합니다.
HPE와 ML Ops
ML Ops는 엔터프라이즈 컴퓨팅의 미래에서 중요한 역할을 하며, HPE는 기계 학습의 모든 잠재력을 탐구하고 ML Ops를 개발 전략에 통합하기 위해 최선을 다하고 있습니다.
HPE GreenLake for ML Ops는 프로젝트 계획부터 프로덕션 배포까지 원활하게 진행할 수 있는 엣지 투 클라우드 플랫폼과 사용량 기반 가격 책정을 통해 기계 학습 프로젝트의 길을 열어줍니다. HPE Apollo 하드웨어와 HPE Ezmeral Software는 데이터 준비부터 모델 구축, 교육, 배포, 관리 및 협업까지 ML 워크로드의 모든 측면을 지원합니다.
HPE Ezmeral ML Ops는 온프레미스, 다중 퍼블릭 클라우드 또는 하이브리드 모델에서 유연하게 실행하고 다양한 사용 사례에서 동적인 비즈니스 요건에 대응할 수 있는 엔드 투 엔드 데이터 과학 솔루션으로, 기계 학습 라이프 사이클을 운영화하기 위한 사전 패키지 툴과 결합된 클라우드와 같은 환경을 제공함으로써 엔터프라이즈 규모에서 ML 모델 운영화 과제를 해결합니다. HPE Ezmeral ML Ops는 DevOps와 같은 속도와 민첩성으로 모델을 구축, 교육 및 배포할 수 있도록 지원합니다. 또한 데이터 준비부터 모델 구축, 교육, 배포, 모니터링, 협업까지 ML 라이프 사이클의 모든 측면을 처리하는 단일 플랫폼을 제공하고 ML 라이프 사이클 전반에 걸쳐 엔드 투 엔드 프로세스를 운영화하여 데이터 모델 타임라인을 가속화하고 시장 출시 시간을 단축합니다.