MLOps와 쿠브플로우
목차
MLOps
DevOps라는 단어를 들어본 적이 있는가?
이전에 소프트웨어를 개발해 배포하고 관리하는 것은 Engineer의 몫이였다.
하지만, 수많은 서버에 배포/관리 작업은 힘들다
특히나 이미 동작중인 소프트웨어의 버전을 업데이트 하거나, 무정지로 작동해야 할 때, 심지어는 오류로 인한
Rollback 상황까지 생각하면...
정신 나갈 것 같애!
ML Production flow는 일반적으로 다음 단계를 거친다.
- Project setup
- Data pipeline
- Modeling & training
- Serving
수요가 높아진 AI/ML에 DevOps 개념을 적용해 MLOps라는 이름으로 위의 단계의 배포/관리를 지원하는 다양한 workflow가 등장하고 있다.
현재 Airflow 등 다양한 workflow 플랫폼이 있고, 확연한 우위를 점한 것은 없어 보인다.
luigi와 Argo는 각각 다른 것들이 더 유명해 특정하기 쉽지 않다.
특이하게 한국에서 kubeflow에 대한 관심이 높다.
여러 workflow에 대한 비교가 여기에 잘 살명되어 있다.
kubeflow는 kubernetes 상에서 돌아가는 workflow이다. 다양한 시스템에서 동작하는 다양한 버전이 존재한다.
Tips
주말에 작성해 보려고 했는데 욕심이 과했습니다. 빨리 마저 작성해겠습니다...
