MLOps

안녕하세요, 이번 포스팅에서는 이전 포스팅 마지막에 언급드렸던 실습에 대해 다뤄보려 합니다! 1. Sklearn을 이용한 MLFlow 0. Background Model Train 및 Tracking을 실행하는 방식은 2가지 입니다. python 파일을 직접 실행 ML Project를 이용한 mlflow cli 사용 이 글을 작성할 당시에 사용된 특정 모듈에 대한 버전은 다음과 같습니다. mlflow==2.7.1 bentoml==1.1.5 required files MLProject requirements.txt python_env.yaml mlflow_tracking.py inferences_test.py product_download.py train.csv test.csv 1. 머신러닝 모델 훈련 예..

안녕하세요, 이번 포스팅에서는 이전 포스팅 마지막에 언급드렸던 Toy Project WorkFlow 중, MLFlow 부분을 다뤄보려 합니다. 1. MLFlow 란? : MLFLow 는 End-toEnd machine learning lifecycle을 관리하는 오픈소스 플랫폼 입니다. 모든 기계 학습 라이브러리 및 프로그래밍 언어와 함께 사용 가능 공식문서 https://www.mlflow.org/docs/latest/concepts.html 01. MLFlow 파이프라인 : MLFlow 의 전반적인 파이프라인을 도식화하면 아래와 같은 파이프라인으로 설명할 수 있습니다. 일반적인 프로세스와 동일하게, 처음은 데이터 처리과정으로 Data Pipeline으로 구성되어 있습니다. 다음으로는 모델을 생성하고 ..

안녕하세요! 이번 포스팅에서는 MLOps 에 대한 짧은 소개와 함께, 앞으로 진행할 MLOps 토이 프로젝트의 흥미로운 WorkFlow를 소개해 드리려고 합니다. 🚀 머신러닝 운영(MLOps) 은 머신러닝 모델의 개발부터 배포, 모니터링까지의 전체 프로세스를 체계적으로 관리하는 방법을 말합니다. 여기서는 이 MLOps가 어떤 개념인지에 대해 간단하게 살펴보고, 이를 실제 프로젝트에 적용하는 흥미로운 WorkFlow를 함께 살펴보겠습니다. 자, 함께 흥미로운 MLOps 세계로 빠져들어볼까요? 🌟 1. MLOps란? 00. 개요 본격적으로 MLOps에 대해 설명해 드리기에 앞서 한 가지 짚고 넘어갈 게 있는데요. 우리가 알 고 있는 많은 머신러닝 모델들이 기존 소프트웨어 시스템만큼도 효용을 내지 못하는 경우..