ML Ops에는 다양한 구성요소가 있지만, 그 중 중요한 구성요소에 대해 알아보겠습니다. ML Ops 구성요소 - 1) Serving Production 환경에 사용할 수 있도록 모델을 배포하는 Serving 방식은 다음과 같습니다. Batch Serving Airflow, Cronjob 등으로 스케쥴링 작업 (학습과 예측을 별도의 작업으로 설정) API 형태로 요청이 올 때마다 Serving Flask , Fast API Docker kubernetes Serving 프레임워크 사용 kuberflow, BentoML, Seldon Core, Cortex, KFServing, Tensorflow Serving Torch Serve 등 Server와 실시간으로 통신해야 하는 것이 아니라면, Batch Se..
MLOps를 구현하는 것은 예측용 API로 모델을 배포하는 것 뿐만 아니라, 모델의 재학습 및 배포를 자동화할 수 있는 ML 파이프라인 배포를 포함합니다. CI/CD 시스템을 세팅해서 새로운 파이프라인 구현을 통해 자동으로 테스트하고 배포할 수 있습니다. 이런 시스템을 사용하면 데이터와 비즈니스 환경에서 일어나는 빠른 변화에 대처하기 쉬워질 것입니다. Google에서는 자동화가 필요하지 않은 가장 일반적인 수준 부터 ML 및 CI/CD 파이프라인 모두를 자동화하는 세 가지 MLOPs 수준을 설명합니다. 이 중 ML 및 CI/CD 파이프라인 자동화에 대해 살펴보겠습니다. ML Ops 1단계 : ML 파이프라인 자동화 데이터 추출부터 모델 학습 및 배포하기 까지의 작업을 ML 파이프라인으로 배포하여 자동화할..
분석 업무를 하는 사람이면 누구나 MLOps에 관심을 가질 것입니다. 현재 다양한 MLOps 오픈소스들이 나오면서 크게 발전하고 있기 때문에 이를 실제 업무에 활용하기 위해 A-Z까지 정리해보고자 합니다. MLOps 정의 MLOps는 DevOps에서 파생된 개념으로 ML시스템에서도 머신러닝 시스템 개발뿐만 아니라 서비스 운영을 안정적으로 제공해야 하기 때문에 MLOps라는 개념이 탄생하게 됩니다. Google과 Nvidia는 MLOps를 다음과 같이 정의합니다. Google : MLOps는 ML 시스템 개발(Dev)과 ML 시스템 운영(Ops)을 통합하는 것을 목표로 하는 ML 엔지니어링 문화 및 방식입니다. MLOps을 수행하면 통합, 테스트, 출시, 배포, 인프라 관리를 비롯하여 ML 시스템 구성의 ..
아래 예제는 라이브아카데미 영상에서 발췌하였습니다. https://youtu.be/spoC2WZ8kuY 🌳주요 표현 run out of time / money / gas / room(space) 시간이 다 돼 간다 / 돈을 거의 다 썼다 / 기름이 다 떨어져 간다 / 물건을 놓을 곳이 줄고 있다 (과거) I/We/They/She/He ran out of (진행형) is/am/are running out of time ⚫️ run out of : 다 써서 없어지다. ⚫️ be out of : 다 써서 없는 상태 🌳활용 예제 ▪️돈을 거의 다 썼다. ➡️ I spent almost all of my money. = I’m running out of money. ▪️기름이 다 떨어져 가고 있어서 주유소에 들렀..
아래 예제는 라이브아카데미 영상에서 발췌하였습니다. https://youtu.be/F2N1kdZrJKo 🌳주요 표현 It doesn’t matter 관계대명사 + S + V : ~는 별로 상관 없어. 🌳예시 대화문 1️⃣ A : 어떤 색으로 할까? B : 사실 어떤 색으로 하든 별로 상관 없어. 폰케이스 쓸 거 잖아요, 그렇지? 투명 케이스만 안 쓰면 어차피 안 보일거야. A : Which(어느) / What(무슨) color should I get? B : Actually, it doesn’t matter what color you get. You’re going to use a phone case, right? So, unless you use a clear case, you won’t see it ..
아래 예제는 라이브아카데미 영상에서 발췌하였습니다. https://youtu.be/yn3551ZV5R0 🌳주요 표현 I have a lot resistance to (something) : (많은 저항성을 갖고 있다.) ~안 맞다, ~거부감이 있다. don’t feel comfortable ~ing : ~하기 편하지 않다(불편하다) 🌳예시 대화문 A : Are you into cryptocurrencies or NFTs at all? B : Nope. Never have and probably never will. A: Why not? B : I guess I just don’t feel comfortable with the idea investing my money in something that I ..
아래 예제는 라이브아카데미 영상에서 발췌하였습니다. https://youtu.be/UU_iv5mGpOA 💡기본 표현 It ~ more than I thought(expected) It’s suprisingly ~ 🌳활용 예제 1️⃣ 생각보다/의외로 비싸다 ✔️(생각보다 비쌀 때) It’s a little more expensive than I thought(expected). ✔️(안 비쌀 줄 알았는데 예상과는 달리 비쌀 때) It’s suprisingly expensive. 2️⃣(거기에) 의외로 사람이 많더라. / 생각보다 사람이 많어라. ✔️I went there around noon today, and it was suprisingly very crowded. ✔️(생각보다 사람이 훨씬 많았다) ..
- Total
- Today
- Yesterday
- NHITS설명
- 최신시계열
- Generative BI
- 영화 인턴
- Data Drift와 Concept Drift 차이
- 오토인코더
- 시계열딥러닝
- AutoEncoder
- SQLD자격증
- SQLD
- Concept Drift
- Model Drift
- amazon Q
- Data Drift Detection
- Tableau vs QuickSight
- 영어공부
- 모델 배포
- pandas-ai
- 생성형BI
- 비즈니스 관점 AI
- amzaon quicksight
- Model Drift Detection
- pandas-gpt
- 모델 드리프트 대응법
- 추천시스템
- On-premise BI vs Cloud BI
- SQLD 정리
- data drift
- 데이터 드리프트
- 모델 드리프트
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |