11/20 위클리 테크 블로그 DATA & ML 🚀

MLOps라는 개념이 업계 전반으로 대두되기 아주 오래전 모델러들은 자신이 만든 모델을 실행해서 결과 파일(텍스트나 CSV) 만드는 일로 하루의 일과를 시작하곤 했다. 모델이 하나일 때야 그렇다 쳐도 수십 개가 되면 휴먼 에러가 발생 안 할 수가 없다. 보다 못한 엔지니어가 이들을 구제해주고 싶어도 모델러가 사용하는 설루션이 SPSS, SAS, R처럼 그들이 보기엔 괴악한 것들이라 접근이 쉽지 않았는데... 그래서 나온 것이 XML 기반의 PMML(Predictive Model Markup Language)이다. 딥러닝 ONNX 포맷의 집 나간 고조할아버지 정도로 생각하면 된다. 😌 추출된 PMML 파일을 들고 가서 모놀리식하게 운영 서버에서 모델을 실행하던 것이 불과 몇 년 전이다. 근데 이제는, 👉 'CLOps - CLOps가 바꿔 놓은 CLOVA의 모델 상용화 프로세스 (네이버)'(https://engineering.clova.ai/posts/2022/11/clops-summary-part5) 네이버 클로바 ML 서빙 플랫폼 'CLOps'를 설명한, 올해 5개 시리즈의 마지막 글. 인스턴스 - 컨테이너 - 모델 레지스트리, 이렇게 ML 서빙의 큰 3개 하위 컴포넌트를 자체 기술로 구축한 곳이 국내에 또 있을지. 👍 다만 데이터 과학자 입장으로써는 데이터 및 콘셉트 드리프트를 감지하는 모델 모니터링 부분이 좀 더 보강되었으면 한다. 피드백 루프가 짧고 빠르게 변하는 서비스라면 그 부분이 병목이 될 가능성이 높다.

CLOps - CLOps가 바꿔 놓은 CLOVA의 모델 상용화 프로세스 | CLOVA Engineering Blog

Clova

CLOps - CLOps가 바꿔 놓은 CLOVA의 모델 상용화 프로세스 | CLOVA Engineering Blog

다음 내용이 궁금하다면?

지금 간편 가입하고 다음 내용을 확인해 보세요!

또는

이미 회원이신가요?

2022년 11월 19일 오전 11:30

 • 

저장 28조회 2,921

댓글 0