모델옵스(ModelOps)

정의

- 기계학습 모델과 운영(operation)을 결합한 용어로 기계학습(ML) 모델의 거버넌스와 생명 주기 관리를 효과적으로 관리하고 운용하는데 초점을 맞춘 방법론

 

키워드

- DataOps, DevOps, ML, Discovery, Governance, Deployment, 자동화, 생명주기관리

 

메커니즘

 

기술요소

1) Discovery 

데이터 과학자, 분석가, 비즈니스 사용자가 선택한 소프트웨어를 사용하여 가설을 테스트하고 모델을 실험하고 구축
2) Governance
Discovery Environment에서의 모든 검증된 모델은 비즈니스 규칙 및 결정과 마찬가지로 모델 Repository에 저장(GitLab, GitHub 등)
3) Deployment
- CI/CD를 통해 자동화 파이프라인을 생성.
- Repository에 저장된 모델, 비즈니스 규칙 및 결정은 코드 Repository에 저장된 정보와 결합되어 모델을 프로덕션에 원활하게 배포

 

참고

ModelOps와 MLOps의 비교

대상 Enterprise | 데이터 사이언스 플랫폼
사용자 Enterprise operation | Data scientist
목적 생산모델에 대한 엔터프라이즈 거버넌스 및 운영 | ML 모델의 신속한 실험 및 배포

- ModelOps 를 효과적으로 적용하기 위해, 프로세스의 표준화 및 자동화 필요