기업 내 데이터 과학 팀이 비즈니스 목표를 설정했다고 가정해보자. 데이터 애널리틱스 및 머신러닝 모델을 활용해 비즈니스 가치를 창 출할 수 있는 영역에 초점을 맞췄다. 데이터 세트 태깅, 사용할 머신러닝 기술, 머신러닝 모델 생성을 위한 프로세스까지 모든 준비가 끝났다. 확장 가능한 클라우드 인프라도 마음껏 쓸 수 있다. 이제 정말 머신러닝 모델을 만들어 현장에 적용하면 되는 걸까? Getty Images Bank 회사의 데이터 과학 팀이 비즈니스 목표를 설정했다고 가정해보자. 데이터 애널리틱스 및 머신러닝 모델을 활용해 비즈니스 가치를 창 출할 수 있는 영역에 초점을 맞췄다. 데이터 세트 태깅, 사용할 머신러닝 기술, 머신러닝 모델 생성을 위한 프로세스까지 모든 준비가 끝났다. 확장 가능한 클라우드 인프라도 마음껏 쓸 수 있다. 이제 정말 머신러닝 모델을 만들어 현장에 적용하면 되는 걸까? 몇몇 전문가는 아니라고 말한다. 모든 혁신과 새로운 소프트웨어 배포는 위험 요소를 수반하므...
#AI모델
#ML모델
#데브옵스
#머신러닝
#머신러닝모델
#모델옵스
#인공지능모델
원문링크 : 【클라우드】 '모델옵스'가 예방할 수 있는 ML 모델의 '패착' 5가지
네이버 블로그
티스토리
커뮤니티