ML 프로젝트는 구체적인 목표, 작업, 결과에 따라 단계별로 진행됩니다 ML 개발 단계를 명확하게 이해하면 엔지니어링 책임을 정하고 이해관계자의 기대치를 관리하며 리소스를 효율적으로 할당하는 데 도움이 됩니다.
이 단계를 성공적으로 완료하는 것 (종종 반복적)은 장기적으로 비즈니스 문제를 해결하는 ML 모델을 설계, 조합, 빌드하기 위한 토대가 됩니다.
개략적으로 ML 솔루션을 구현하는 단계는 다음과 같습니다.
- 아이디어 및 계획
- 실험
- 파이프라인 빌드
- 생산화
아이디어 및 계획
아이디어 구상 및 계획 단계에서는 문제를 ML 솔루션의 관점에서 구성하고 프로젝트의 실현 가능성을 추정합니다.
- 목표: ML이 문제에 가장 적합한 솔루션인지 판단합니다.
- 작업: 비즈니스 문제를 분석하여 프로젝트의 제약 조건을 이해합니다.
- 결과: ML 솔루션으로 문제를 해결하는 방법을 간략히 설명하는 설계 문서입니다. ML 설계 문서의 예는 go/ml-design-doc-example을 참조하세요.
동영상 스크립트는 방송에서 시청하여 사용할 수 있습니다. 스크립트가 표시되지 않으면 스크립트 아이콘을 클릭합니다.
실험
실험은 머신러닝의 핵심입니다. 이 단계에서는 ML 솔루션이 실행 가능한지 확인합니다. 솔루션을 찾는 것은 반복적인 프로세스입니다 문제를 해결하는 특성, 초매개변수, 모델 아키텍처의 적절한 조합을 찾기 전에 수백 건의 실험을 시도하는 것은 드문 일이 아닙니다.
- 목표: 비즈니스 문제를 해결하는 모델을 빌드합니다.
- 작업: 특성, 초매개변수, 모델 아키텍처를 실험합니다.
- 결과: 프로덕션에 적용하기에 충분한 품질을 갖춘 모델입니다.
동영상 스크립트는 방송에서 시청하여 사용할 수 있습니다. 스크립트가 표시되지 않으면 스크립트 아이콘을 클릭합니다.
파이프라인 빌드 및 프로덕션화
파이프라인 빌드 및 프로덕션화 단계에서는 데이터 처리, 모델 학습, 예측 제공을 위한 파이프라인을 빌드합니다. 그런 다음 필요한 모니터링 및 로깅 인프라를 통해 모델과 파이프라인을 프로덕션으로 배포합니다.
- 목표: 프로덕션 환경에서 모델을 확장, 모니터링, 유지보수하기 위한 인프라를 빌드하고 구현합니다.
- 작업: 프로덕션 환경에서 모델을 최신 상태로 유지하기 위한 다수의 작업을 자동화하는 파이프라인을 빌드합니다.
- 결과: 검증받은 ML 파이프라인
동영상 스크립트는 방송에서 시청하여 사용할 수 있습니다. 스크립트가 표시되지 않으면 스크립트 아이콘을 클릭합니다.
엔드 투 엔드 ML 워크플로
다음 다이어그램은 각 단계와 해당 작업 및 결과를 나열하는 전체 엔드 투 엔드 ML 워크플로를 보여줍니다.
그림 1. ML 워크플로의 네 가지 주요 단계
주의사항
각 단계에는 여러 가지 과제가 존재합니다. 이를 깨닫지 못하거나 계획을 세우지 않으면 기한을 놓치고, 엔지니어가 짜증을 내고, 프로젝트가 실패할 수 있습니다.