MLOps

MLOps

머신러닝 모델의 개발·배포·운영·모니터링을 자동화하고 표준화하여 안정적이고 확장 가능한 ML 시스템을 구축하는 DevOps 확장 개념

특징: ML 생애주기 관리, 자동화 파이프라인, 재현성 보장, 지속적 학습

구성요소: 데이터파이프라인(수집·전처리), 모델학습·버전관리(실험추적), CI/CD(자동배포), 모니터링(성능추적), 재학습(드리프트대응)

핵심도구: MLflow(실험추적·모델레지스트리), Kubeflow(K8s기반 파이프라인), SageMaker(AWS 통합플랫폼), Vertex AI(GCP ML플랫폼), DVC(데이터버전관리)

적용사례: 프로덕션ML배포, A/B테스트, 모델성능모니터링, 자동재학습

비교: DevOps(소프트웨어배포) vs MLOps(ML배포+데이터+모델관리) vs DataOps(데이터파이프라인)

연관: DevOps, CI/CD, 모델배포, 모델모니터링