MLOps 개요

1 / 15

MLOps란? — 모델을 프로덕션에 배포하는 기술

100%

MLOps(Machine Learning Operations) 는 머신러닝 모델을 실제 서비스에 안정적으로 배포\cdot운영\cdot관리 하는 기술과 문화입니다. DevOps를 아시나요? DevOps = Development + Operations — 소프트웨어를 빠르고 안정적으로 배포 MLOps = ML + DevOps — 머신러닝에 특화된 배포\cdot운영 체계 DevOps가 "코드\to빌드\to테스트\to배포"를 자동화했듯이, MLOps는 "데이터\to학습\to평가\to배포\to모니터링"을 자동화합니다 왜 MLOps가 필요한가? 주피터 노트북에서 정확도 95%를 달성했다고 끝이 아닙니다 모델을 API로 서빙하고, 데이터 파이프라인을 구축하고, 모니터링해야 합니다 Google AI 팀의 경험: "모델을 만드는 건 전체 작업의 5%에 불과합니다" 나머지 95%: 데이터 수집\cdot검증, 피처 엔지니어링, 인프라, 모니터링, 재학습 MLOps의 핵심 요소 5가지: 실험 관리(Experiment Tracking) : 어떤 하이퍼파라미터로 어떤 결과를 얻었는지 추적 — MLflow, W&B 데이터 파이프라인(Data Pipeline) : 데이터 수집 \to 전처리 \to 검증 자동화 — Apache Airflow, Prefect 모델 서빙(Model Serving) : REST API로 모델 예측값 제공 — FastAPI, TF Serving, Triton 모니터링(Monitoring) : 모델 성능 저하(Data Drift, Concept Drift) 감지 — Evidently, Prometheus CI/CD/CT for ML : 코드\cdot데이터\cdot모델 변경 시 자동 재학습\cdot배포 — GitHub Actions, Jenkins 한 줄 정의: MLOps는 ML 모델이 "노트북 속 실험"에서 "실제 비즈니스 가치를 만드는 서비스"로 가는 다리입니다.

0:00 / 2:18

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

MLOps 정리Docker 과제

비전공/입문자

MLOps란Docker 입문

취준생

MLOps 엔지니어 면접ML 배포 경험MLOps 포트폴리오

직장인

MLOps 실무ML 파이프라인 구축Docker 배포

대학원생/연구자

MLOps 논문reproducibility

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비