MLOps 도입 가이드 (기업에서 머신러닝 모델을 가장 효율적으로 운영하는 방법)

MLOps 도입 가이드 (기업에서 머신러닝 모델을 가장 효율적으로 운영하는 방법)

$22.00
Description
MLOps의 개념부터 도입과 활용까지,
성공적인 머신러닝 운영화를 위한 실용 가이드!
오늘날 데이터 사이언스와 AI는 IT 분야뿐 아니라 제조, 구매, 유통, 마케팅, 반도체, 자동차, 식품 등 산업 전 분야에 걸쳐 기업 생존의 필수 요소로 인식되어 경쟁적으로 도입되고 있다. 이러한 데이터 사이언스와 AI 프로젝트의 핵심에 MLOps가 놓여 있다.

이 책은 비즈니스 환경에서 머신러닝 적용 실무를 담당하는 데이터 분석 팀 또는 IT 운영 팀의 관리자들을 대상으로 한다. MLOps가 새로운 영역이라는 점을 감안하여, MLOps 환경을 성공적으로 구축하기 위한 가이드 역할을 제대로 할 수 있도록 머신러닝 전문가 9명(데이터이쿠)이 조직적 이슈부터 기술적 이슈까지 꼼꼼하게 다루었다.

◐ MLOps 핵심 개념: MLOps를 성공적으로 실행하기 위한 원칙과 구성 요소, 이해관계자들의 역할과 책임
◐ MLOps 적용 방법: 머신러닝 모델 생애주기 다섯 단계에 따라 MLOps 프로세스를 도입하는 방법 소개
◐ MLOps 실제 사례: MLOps의 실제 구축 형태와 그 의미를 알 수 있도록 대표적인 비즈니스 활용 사례들 제시
저자

데이터이쿠

Dataiku
2013년에설립된데이터이쿠는전세계450개이상의기업이포괄적인플랫폼을이용해AI와분석애플리케이션을설계·설치·관리할수있도록지원한다.데이터이쿠는‘EverydayAI’를통해시장에서승리할수있다는신념을바탕으로,투명하고반복가능한확장성AI와분석프로그램의구축을목표로한다.다양한기업이데이터이쿠의플랫폼을활용해필수비즈니스운영을뒷받침하고이상거래감지,고객이탈방지,예지정비,공급망최적화촉진모델을활용하여급변하는세계에대응하고있다.데이터이쿠플랫폼은분석가부터데이터과학자까지모든이들이활용할수있으며기업에서는이플랫폼을활용해기업의민첩성과대응능력을높일수있고기업조직전반에AI확대를추진할수있다.

목차

PART1MLOps개념과필요성
CHAPTER1왜지금이고도전과제는무엇인가
1.1MLOps와도전과제정의하기
1.2리스크를경감하기위한MLOps
1.3확장을위한MLOps
1.4마치며

CHAPTER2MLOps이해관계자들
2.1직무전문가
2.2데이터과학자
2.3데이터엔지니어
2.4소프트웨어엔지니어
2.5DevOps
2.6모델리스크관리자/감리인
2.7머신러닝아키텍트
2.8마치며

CHAPTER3MLOps의핵심기능
3.1머신러닝입문
3.2모델개발
3.3제품화및배포
3.4모니터링
3.5반복및생애주기
3.6거버넌스
3.7마치며

PART2MLOps적용방법
CHAPTER4모델개발
4.1머신러닝모델이란?
4.2데이터탐색
4.3특성엔지니어링및특성선택
4.4실험
4.5모델평가및비교
4.6버전관리및재현가능성
4.7마치며

CHAPTER5상용화준비
5.1실행환경
5.2모델리스크평가
5.3머신러닝에대한품질검증
5.4테스트에대한핵심고려사항
5.5재현가능성과감사가능성
5.6머신러닝보안
5.7모델리스크경감
5.8마치며

CHAPTER6상용배포
6.1CI/CD파이프라인
6.2머신러닝아티팩트개발
6.3배포전략
6.4컨테이너화
6.5배포확장
6.6요구사항과도전과제
6.7마치며

CHAPTER7모니터링과피드백루프
7.1모델을얼마나자주재학습시켜야할까?
7.2모델성능저하
7.3드리프트감지
7.4피드백루프
7.5마치며

CHAPTER8모델거버넌스
8.1조직에어떤거버넌스가필요한지누가결정하는가?
8.2리스크수준에거버넌스맞추기
8.3MLOps거버넌스를주도하는현행규정
8.4AI관련규정의최신동향
8.5책임있는AI의등장
8.6책임있는AI의핵심요소
8.7MLOps거버넌스템플릿
8.8마치며

PART3MLOps실제사례
CHAPTER9소비자신용리스크관리
9.1배경:비즈니스활용사례
9.2모델개발
9.3모델편향성에대한고려사항
9.4상용화준비
9.5상용배포
9.6마치며

CHAPTER10마케팅추천엔진
10.1추천엔진의반란
10.2데이터준비
10.3실험설계및관리
10.4모델학습및배포
10.5파이프라인구조와배포전략
10.6모니터링과피드백
10.7마치며

CHAPTER11소비예측
11.1전력시스템
11.2데이터수집
11.3문제정의:머신러닝인가,머신러닝이아닌가?
11.4공간및시간해상도
11.5구현
11.6모델링
11.7배포
11.8모니터링
11.9마치며

찾아보기

출판사 서평

머신러닝적용실무를담당하는데이터분석팀
또는IT운영팀의관리자들에게
MLOps역량을개발하기위한
실질적인통찰과해결책을제공한다!

머신러닝기술은이론과학문의영역에서‘현실세계’의영역으로이동하는전환점에이르렀다.전세계의모든서비스와제품에머신러닝기술을적용해보려는시도가이어지고있다.이러한변화가흥미롭기는하지만,머신러닝모델의복잡한특성과현대적인조직의복잡한구조를조합하는대단히도전적인과제다.

조직이머신러닝을실험실수준에서상용환경으로확대적용할때겪는어려움중하나는유지보수다.기업은하나의모델만다루던환경에서수십,수백혹은수천개의모델을다루는환경으로어떻게전환할수있을까?바로이지점에서앞서언급한기술적인복잡성과비즈니스적복잡성이드러나고,MLOps가필요하다.

MLOps는기업이데이터사이언스와AI를더성공적으로도입·운영할수있는효과적인방법론중하나다.이책을통해MLOps역량을개발하기위한실질적인통찰과해결책을얻길바란다.

이책은크게3부로구성되어있다.

※1부_MLOps개념과필요성
MLOps라는주제를전반적으로소개한다.MLOps가어떻게그리고어떤이유에서원칙이되었는지,MLOps를성공적으로실행하려면어떤사람들이MLOps에참여해야하는지,그리고어떤구성요소가있는지를설명하였다.

※2부_MLOps적용방법
머신러닝모델생애주기에맞춰모델개발,상용화준비,상용환경배포,모니터링과피드백루프,모델거버넌스등의순서로구성하였다.각장에서는일반적인고려사항과함께MLOps관련고려사항을다루었다.특히,1부3장에서가볍게소개한주제들을상세하게설명한다.

※3부_MLOps실제사례
오늘날기업에서운영하는MLOps의모습에대한실질적예시를제공하여,독자들이실제구축형태와그의미를이해할수있도록하였다.등장하는회사명은모두가명이지만,모든사례는실제기업에서MLOps와모델관리에대해겪고있는경험을바탕으로구성하였다.