제128회 관리 1교시 4번

[128회 관리 기출목차]

 

문제 1-4

 

기계학습(Machine Learning) 모델링(Modeling)과 모델옵스(ModelOps)에 대하여 설명하시오.

 

1. 기계학습 모델링과 모델옵스 관계

• 기계학습 모델링(Modeling)은 정제된 학습데이터를 이용하여 비즈니스 목적에 적합한 ML 모델을 생성.배포하는 활동
• 모델옵스(ModelOps)는 모델(ML Model)이 실제 비즈니스 환경에 신속하게 적용될 수 있도록, 실시간으로 모델 성능을 모니터링하여 업그레이드를 지원하는 최적의 모델 관리 방법론

2. 기계학습 모델링과 모델옵스 설명

 

1) 기계학습 모델링(ML Modeling) 프로세스

구분	프로세스	설명
Data 처리	수집 (Acquisition)	머신러닝을 하기 위해서는 기계에 학습시켜야 할 데이터가 필요
	점검 및 탐색 (Inspection and Exploration)	데이터를 점검하고 탐색하는 단계 데이터의 구조, 노이즈 데이터, 머신러닝 적용을 위해서 데이터를 어떻게 정제해야 하는지 등을 파악
	전처리 및 정제 (Preprocessing and Cleaning)	머신러닝 워크플로우에서 가장 까다로운 작업중 하나인 데이터 전처리 과정
모델링	모델링 및 훈련 (Modeling and Training)	머신러닝에 대한 코드를 작성하는 단계
	평가 (Evaluation)	기계가 예측한 데이터가 테스트용 데이터의 실제정답과 얼마나 가까운지를 측정
	배포 (Deployment)	평가단계에서 기계가 성공적으로 훈련이 된것으로 판단된다면 완성된 모델 배포

 

2) 기계학습 모델옵스(ModelOps) 프로세스

-AI 모델의 재조정, 재학습 또는 재구축을 지원하여AI 기반 시스템내에서 모델의 개발, 운영 및 유지관리 사이에 중단 없는 프로세스를 제공

구분	프로세스	설명
협업	현재상황 파악	기존의 공식/비공식적 분석 프로세스를 명문화하고 그 효용성을 평가
	변화의 촉진	- 문화적 변화와 자동화 및 프로세스 표준화를 촉진하는 데 주력
	문화적 공감대	- 원하는 수준의 분석 모델을 개발하겠다는 공통된 목표로 부서 간 협업
구현	표준화와 자동화	- 모델 저장, 성능 모니터링, 경보, 모델 배포 및 리트레이닝 프로세스를 중심 표준화
	효과적 거버넌스 모델	- 문화적 공감대, 자동화, 표준화라는ModelOps의 세 가지 기본 요건의 모델 거버넌스 구현

-머신러닝, 지식그래프, 규칙, 최적화 및 언어를 포함한 광범위한 AI 및 의사결정 모델의 거버넌스 및 수명주기 관리전략

 

3. ModelOps와 MLOps 비교

구분	ModelOps	MLOps
영역	Model 작업과 운영 연계	기계학습 작업과 운영 연계
방식	예측 분석 및 기계 학습 워크플로를 운영할 수 있도록 하는 전체적인 접근 방식	DevOps 원칙을 기계 학습 워크플로에 통합하여 ML 기반 소프트웨어 제공을 자동화하는 방식
관리	AI 및 기계 학습 모델의 거버넌스 및 전체 수명 주기 관리	기계 학습 모델의 운영 관리
아이디어	개발에서 생산에 이르기까지 모든 AI 프로젝트와 프로세스를 중앙 집중화	ML 파이프라인을 자동화하고 프로덕션 시스템에 대한 더 많은 통찰력 지원