MLOps: 전체적인 접근 방식
기계 학습 프로젝트의 복잡성과 범위가 커짐에 따라 모델이 수행할 수 있는 작업뿐만 아니라 비즈니스에 어떤 역할을 할 수 있는지 이해하는 것이 중요합니다.
이 백서에서는 조직이 실제 비즈니스 가치를 창출하는 올바른 모델을 더 빠르게 가동할 수 있도록 ML 운영화에 대해 자세히 알아봅니다. 우리는 단순히 기술 스택을 제안하는 데 그치지 않고 세 가지 중요한 영역(사람, 프로세스, 플랫폼)을 깊이 파고들어 가장 성공적인 조직이 하는 일과 그로부터 무엇을 배울 수 있는지 알아봅니다.
이는 비즈니스 전반에 걸쳐 기계 학습 방식을 향상시키는 방법에 대한 실행 가능한 제안이 포함된 풍부하고 전체적인 가이드입니다. 물론 다운로드도 완전 무료입니다. 우리는 당신이 그것을 즐기시기 바랍니다.
확장성 및 안정성
중요한 개발자 리소스를 핵심 비즈니스에 집중시킬 수 있습니다.
Weights & Biases를 사용하면 가능합니다.
핵심 비즈니스에 중요한 개발자 리소스를 집중하세요.
시행착오를 줄이고 새로운 머신 러닝 모델을 더 빠르게 출시하세요.
새로운 ML 엔지니어를 신속하게 온보딩하고 중복 작업을 피할 수 있습니다.
A Case Study with TRI
개요
Toyota Research Institute의 사명은 세계에서 가장 안전한 이동 수단을 구축하는 것입니다. TRI의 기계 학습 팀은 자율 주행을 추구하고 있으며, 모델을 재현 가능하게 만들기 위해 Weights & Biases의 시스템을 사용합니다.
- 회사 규모: 300+
- 산업: 자율주행차
문제
Adrien Gaidon이 이끄는 ML 팀은 학습 모델을 위한 세계적 수준의 인프라를 구축했지만 결과를 추적하고 버전을 지정하는 좋은 방법이 부족했습니다.
중앙 기록 시스템의 필요성을 빠르게 깨달았지만 내부적으로 해결책을 구축하는 것이 팀의 핵심목표는 아니었습니다.
“현재 머신러닝이 얼마나 신뢰할 수 있을지에 대해 통계적이든 아니든 어떤 보장도 제공하기가 정말 어렵습니다. 안전이 중요한 시스템을 도입하려면 실제로 작동해야 합니다. 생명을 위험에 빠뜨리지 않는 안전한 자동차를 만들려면 어떻게 해야 할까요?”
Toyota Research Institute
솔루션
TRI 팀은 문제를 해결하기 위해 다양한 솔루션을 비교한 끝에 Weights & Biases를 최고의 플랫폼으로 선택했습니다.
ML 팀은 실험 추적 및 예측 시각화를 위해 취약한 내부 도구와 임시 솔루션을 사용하는 대신 W&B의 경량 실험 추적 및 시각화 솔루션을 사용하여 표준화할 수 있었습니다.
W&B 대시보드는 머신 러닝 실무자에게 데이터셋과 모델 버전을 비교할 수 있는 명령 센터를 제공하여 모든 실험과 결과에 대한 신뢰할 수 있는 기록을 유지합니다. ML 엔지니어는 이제 모델 개발이라는 귀중한 작업에 자유롭게 집중하여 프로젝트 진행을 가속화할 수 있습니다.
“안전 표준이 매우 높기 때문에 공공 도로에서 테스트하기가 매우 어려운 로봇 시스템이나 자율 주행 자동차가 있는 경우 측정 기준을 명확하게 정의해야 하지만 동시에 지속적인 배포와 빠른 반복을 원합니다.”
Adrien Gaidon
Toyota Research Institute
Join the top innovators around the world using Weights & Biases
