KOSEN 한인과학기술자네트워크

닫기

더 많은 혜택을 위해
로그인 하세요.

동향

동향

기계학습 운영화(MLOps) 실행 전략

2021-04-05 org.kosen.entty.User@3d388fa4 이은진(kosen10)

분야

정보/통신

발행기관

정보통신기획평가원

발행일

2021.02.24

URL

http://

첨부파일

데이터과학과 기계학습이 융합되는 DSML(Data Science & Machine Learning) 프로젝트에서
많은 기업이 실패를 경험하고 있으며, 데이터 의존적인 DSML 프로젝트 수명주기의 복잡성을 제어하지 못하는 것이 핵심 원인으로 거론되고 있다.

본 고에서는 주요한 실패 요인에 대한 분석을 토대로, 순방향과 역방향으로 복잡하게 얽히며
모니터링과 지속적 개선이 수반되어야 하는 DSML 프로젝트의 수명주기의 특성과,
이를 성공적으로 제어하여 기술 부채를 줄일 수 있도록 하는 기계학습 운영화(MLOps)의 개념을 살펴본다.

DSML 프로젝트가 기계학습 운영화를 통해 실행되는 단계를
계획 수립, 데이터 준비, 분석 및 관리, 기계학습, 배포 및 생산화, 풀 스택 지원으로 구분하고,
각 단계에 포함되는 중요 프로세스를 정리한 프로세스 풍경(process landscape)을 제시한다.

기계학습 운영화 실행 전략에 활용할 수 있도록 각 프로세스의 특징 및 주요 기능을 상세히 정리하여, DSML 프로젝트를 통해 비즈니스 데이터 기반의 통찰을 얻고자 하는 분들에게 작은 도움을 제공하고자 한다.


< 목록 > 
Ⅰ. 서론
Ⅱ. DSML 프로젝트의 실패 요인
Ⅲ. DSML 프로젝트의 수명주기와 기계학습 운영화
Ⅳ. DSML 프로세스 풍경의 상세
Ⅴ. 결론


* 자세한 내용은 첨부된 파일을 참고하여 주시기 바랍니다.
* 출처 : 정보통신기획평가원 주간기술동향 1985호

 

추천 리포트

리포트 평점  
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다.
0.0 (0개의 평가)
평가하기
등록된 댓글이 없습니다.
목록
목록