반응형

Python AI 2

[MLflow] 5. 모델의 생애 주기 관리 - MLflow Model Registry

안녕하세요! IT 전문 블로거 팬돌프입니다.지난 시간에는 모델을 표준화된 포맷으로 포장하는 MLflow Models에 대해 알아보았습니다. 이제 우리는 어떤 환경에서든 실행 가능한 모델 파일을 손에 넣었습니다.하지만 혼자가 아닌 팀 단위로 일할 때는 또 다른 혼란이 찾아옵니다. "김 대리, 지금 서비스에 나가 있는 모델이 v3야, v4야?" "아 그거, 어제 v4로 올렸다가 에러 나서 v3로 롤백하지 않았나요?"이런 대화가 오간다면, 여러분에겐 MLflow Model Registry가 절실히 필요한 상태입니다. 오늘은 모델의 탄생부터 은퇴까지, 생애 주기(Lifecycle)를 완벽하게 관리하는 컨트롤 타워를 구축해 보겠습니다.5부: 모델의 생애 주기 관리 - MLflow Model Registry실험(T..

[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..

반응형