1교시 4. 기계학습(Machine Learning) 모델링(Modeling)과 모델옵스(ModelOps)에 대하여설명하시오.

 

I. 인간보다 나은 예측 행, 기계학습(Machine Learning) 모델링(Modeling) 개념

가. 기계학습 모델링 정의

산더미 같은 데이터를 뒤져 패턴을 발견하거나 예측을 수행하는 알고리즘의 표현식

특정 유형의 패턴을 인식하도록 학습된 파일

 

나. 기계학습 분류 

ML 모델 유형	활용사례
선형 회귀/분류	재무 스프레드시트 등 수치 데이터의 패턴
그래픽 모델	부정 감지 또는 감정 인식
의사결정 분지도/램덤포레스트	결과예측
딥러닝신경망	컴퓨터비전, 자연어 처리 등

- 머신러닝 모델링에 모델옵스 개발 방법론 적용 가능

II. 모델옵스 구성도 및 구성요소

가. 모델옵스 구성도

-분석 라이프사이클을 '데이터 준비(prepare) - 탐색(explore) - 모델링(model) - 등록(register) - 배포(deploy) - 모니터(monitor) - 재학습(retrain)' 7단계의 무한 반복 시퀀스로 설계

 

나. 모델옵스 구성요소

구분	구성요소	설명
Analytics	데이타 준비	모델학습을 위한 데이타 준비
	탐색	자료 분류
	모델링	모델링 생성
IT	등록	모델 등록
	배포	모델 배포
	모니터	모델 운영 현황 모니터
	재학습	개선사항 반영
BUSINESS	RULES	운영정책마련
	Decision	운영 정책 결정
	Action	모델 운영
	Results	운영 결과 확인

III. 모델옵스 성공을 위한 제언

구분	조건	설명
조직측면	기존의 틀 깨기	분석 모델을 더 빠르고더 효과적으로 배포할수록 더 많은 가치 창출
	협업	조직내 성공과 AI 가치 극대화 위해 데이터 과학자, AI 개발자, 운영팀, 회사전반 협업 필요
운영측면	효율적 배포	AI를 더빠르고 효율적으로 배포할 수 있도록 지원
	지능적으로 구축	기업이 AI를 더욱 지능적이고 관련성 있게 구축하면서 변화하는 시장ㅇ구에 빠르게 적응할 수 있도록 지원