기계 학습에서 CI/CD(지속적 통합 및 지속적 전달)란 무엇입니까?

기존 소프트웨어 개발에서는 지속적인 통합(CI)과 지속적인 배포(CD)가 한동안 일반적인 관행이었지만, 머신 러닝 분야는 지난 몇 년 동안에야 따라잡기 시작했습니다.  이 글에서는 ML에서 CI/CD를 구현하는 데 있어 몇 가지 과제가 있고, 이를 극복하는 방법과 그 과정에서 도움이 되는 도구에 대해 살펴보겠습니다.    지속적인 통합이란 무엇인가요? 지속적인 통합은 소프트웨어 및 머신 러닝(ML) 모델 개발을 위한 협업적 관행입니다. […]

ML 모델 레지스트리란 무엇입니까?

ML 모델 레지스트리 소개 빠르게 변화하는 머신 러닝 환경에서는 고성능 모델을 대량으로 보유하는 것이 혁신적인 프로덕션 솔루션의 중추이며, ML 팀 의 작업을 관리하고 구성하려면 견고하고 안전하며 접근성이 뛰어난 인프라가 필수적입니다. ML 모델 레지스트리를 입력하세요 . 모델 레지스트리는 ML 팀이 팀의 모델을 저장, 카탈로그화, 액세스, 배포 및 배포하는 배포 센터이자 중앙 허브이며 프로덕션 모델에 대한 단일 […]

MLOps 소개: 기계 학습 실험 추적

최고의 초콜릿 칩 쿠키 레시피를 개발하려고 한다고 상상해보세요. 첫 시도 후 밀가루 양을 늘릴 수도 있습니다. 한 번은 초콜릿 칩을 더 넣을 수도 있습니다. 다른 때는 호두를 넣어 시도할 수도 있습니다. 결국 12가지 레시피를 시도했을 수도 있지만, 어느 것이 가장 좋았을까요?  이 과정에서 메모를 하는 것이 좋은 생각이라는 데 동의하실 겁니다. 아마 각 레시피의 재료와 […]

MLOps 소개: 초매개변수 조정

소개 레시피의 재료가 중요한 역할을 하지만, 지침도 마찬가지로 중요합니다. 쿠키를 160°C에서 20분 동안 굽든 180°C에서 12분 동안 굽든 같은 재료로 큰 차이를 낼 수 있습니다. 그렇다면 이것이 머신 러닝(ML)과 무슨 상관이 있을까요? 글쎄요, ML에서 데이터, 전처리, 모델 선택은 중요한 역할을 합니다. 하지만 모델의 하이퍼파라미터도 ML 모델의 성능에 상당한 영향을 미칠 수 있습니다. 그러나 ML 모델에 […]

MLOps 소개: 데이터 및 모델 버전 관리

소프트웨어 엔지니어링에서는 버전 제어를 사용하여 변경 사항을 추적하고 추적성을 보장하며 협업을 가능하게 하는 것이 일반적입니다. 그러나 버전 제어는 소프트웨어 개발에만 유용한 것이 아니라 머신 러닝(ML)에도 필수적입니다. 소스 코드만 버전 관리하는 대신 ML에서 중요한 아티팩트인 데이터와 모델도 버전 관리해야 합니다. 이 글에서는 버전 제어에 대한 전반적인 내용을 간단히 살펴보고 ML에서 버전 제어가 어떻게 사용되는지 설명합니다. 그런 […]

LLMOps 이해: 대규모 언어 모델 작업

OpenAI의 ChatGPT 출시가 프로덕션에서 대규모 언어 모델(LLM) 의 판도라 상자를 연 것 같습니다 . 이제 이웃이 인공 지능에 대한 잡담으로 귀찮게 할 뿐만 아니라, 머신 러닝(ML) 커뮤니티에서 또 다른 새로운 용어인 “LLMOps”에 대해 이야기하고 있습니다. LLM은 AI 기반 제품을 구축하고 유지하는 방식을 바꾸고 있습니다. 이는 LLM 기반 애플리케이션의 수명 주기를 위한 새로운 도구 세트와 모범 […]