MLOps 도입 가이드

• 실무에서 머신러닝, 딥러닝 모델을 어플리케이션에 적용하기 위해서는 모델 개발뿐만 아니라 다양한 프로세스와 시스템이 필요합니다. 때로는 이러한 프로세스와 시스템을 구축하는 난이도가, 모델 개발에 비해 더 어려운 경우도 있습니다.
• 하지만 비즈니스, 실무에서 머신러닝과 딥러닝을 효과적으로 활용하기 위해서는 MLOps의 도입이 필요합니다. 모델이 적용되는 환경과 상황, 조건이 매번 변화하기 때문입니다.

코드가 존재하지 않는 가이드

• MLOps 도입 가이드는 일반적인 다른 개발 서적과는 다르게 코드가 존재하지 않습니다.
• DevOps에서 유래한 MLOps는 비즈니스 환경에서 조직 간 협력과 시스템을 운영하는 방법이 중요하기 때문입니다. 그리고 또한 풀고자 하는 문제에 MLOps를 효과적으로 도입하기 위해 MLOps에 대한 개념과 전반적인 이해가 필요하기 때문입니다.
• 따라서 MLOps를 실제 비즈니스에 도입한다고 하면, MLFlow를 적용하는 것이 아니라 다양한 직군의 역할과 책임을 명확히 파악하고 많은 사람들과의 협업 관계를 긴밀하게 구축하는 것이 중요합니다.
• MLOPs 도입 가이드 도서는 이러한 관점으로부터 출발하였습니다. 개발자 위주로 작성된 도커와 쿠버네티스로 시작하는 MLOps 시스템 구축 가이드가 아니라, 전 부문에서 필요한 협업을 이끌어내는 책입니다.

실제 사례로 살펴보는 MLOps 구축 전략

• 책의 PART 3 MLOps 실제 사례 에서는 실제 기업에서 적용한 MLOps 시스템의 사례를 살펴볼 수 있습니다.
• 실제 사례로부터 상황에 맞는 MLOps 전략을 선택하는 방법과 선택했던 기준 등을 살펴볼 수 있으며, 선택 가능한 다양한 옵션을 소개합니다.

책이 조금 더 두꺼웠으면 하는 아쉬움

• 그럼에도 불구하고 개발자 입장에서 MLOps를 실제로 도입하기 위해 어떠한 스킬과 백엔드 개발 가이드가 있었으면 하는 아쉬움이 있습니다.
• 하지만 MLOps는 이제 선택이 아닌 필수가 되어가는 상황에서 개발자 뿐만 아니라 기획, 사업 등 다양한 분야에 종사하는 전문가들이 MLOps를 이해하는데 탁월한 도서라고 생각합니다.

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.