반응형

Experiment Tracking 2

[MLflow] 2. 실험의 모든 것을 기록하다 - MLflow Tracking Deep Dive

안녕하세요! IT 전문 블로거 팬돌프입니다.지난 1부에서는 MLOps가 왜 필요한지, 그리고 MLflow의 설치와 기초적인 사용법을 다뤘었죠. 다들 mlflow ui 화면은 한 번씩 띄워 보셨나요?오늘은 MLflow의 기능 중 엔지니어들이 가장 빈번하게 사용하고, 실질적인 업무 효율을 폭발적으로 늘려주는 핵심 기능인 MLflow Tracking에 대해 아주 깊이 파고들어 보려 합니다."내가 어제 돌린 모델의 정확도가 몇이었지?", "learning_rate를 0.01로 했을 때랑 0.001로 했을 때 그래프가 어떻게 달랐더라?" 이런 고민, 이제 그만하셔도 됩니다. 오늘 내용을 마스터하시면 여러분의 실험 기록은 완벽하게 자동화될 테니까요.1. 숲과 나무: Experiment와 Run의 구조적 이해MLfl..

[MLflow] 1. MLOps의 이해와 MLflow 입문

안녕하세요! IT 전문 블로거 팬돌프입니다. 오늘도 저의 블로그를 찾아주셔서 진심으로 감사합니다.오늘부터 우리는 머신러닝의 세계에서 가장 핫한 키워드인 MLOps(Machine Learning Operations), 그중에서도 사실상의 표준 도구로 자리 잡은 MLflow를 함께 정복해 보려고 합니다.개발자나 데이터 과학자라면 누구나 한 번쯤 겪어보셨을 거예요. 모델을 만드는 것보다 그 모델을 관리하고 배포하는 게 훨씬 더 골치 아프다는 사실을요. 이 시리즈를 통해 여러분의 머신러닝 라이프사이클이 얼마나 쾌적해질 수 있는지 보여드리겠습니다.자, 그럼 대망의 첫 번째 이야기, MLOps의 이해와 MLflow 입문 편을 시작해 볼까요?1. 우리는 왜 MLOps를 고민해야 할까요?머신러닝 모델을 개발하다 보면 ..

반응형