실험 전반에서 학습 데이터의 변경 사항을 추적한다는 점을 고려할 때, 다음 중 학습 데이터 버전 관리의 주된 이유가 아닌 것은 무엇인가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 장에서는 연구·개발 단계의 Machine Learning 모델을 프로덕션 환경으로 이전하는 데 필요한 기술과 지식을 익히게 됩니다. 연구용 프로토타입을 신뢰할 수 있고 확장 가능하며 유지 관리 가능한 시스템으로 전환하는 과정을 배우게 됩니다.
이 장에서는 Machine Learning에서 재현 가능성이 왜 중요한지, 그리고 시간이 지나도 모델의 재현 가능성과 신뢰성을 어떻게 보장할 수 있는지 학습합니다. 모델의 재현 가능성을 확보하기 위해 활용할 수 있는 다양한 기법과 모범 사례를 살펴봅니다.
현재 연습
3장에서는 Machine Learning 모델을 프로덕션 환경에 배포할 때 마주치는 다양한 과제를 다룹니다. 프로덕션에서 ML 모델을 배포하는 여러 접근 방식과, 프로덕션 환경에서 ML 모델을 모니터링하고 유지 관리하는 전략을 배우게 됩니다.
마지막 장에서는 Machine Learning 파이프라인을 다양한 방식으로 테스트하고 기대한 대로 동작하는지 확인하는 방법을 배웁니다. ML 파이프라인 테스트의 중요성을 이해하고, 파이프라인을 테스트하고 검증하는 기법을 익히게 됩니다.
