데이터 과학1 DSML의 실패요인과 기계학습 운영화(MLOps) 1. DSML의 실패 요인 인공지능에 대한 기대와 현실 -디지털 변혁을 준비하는 조직은 인공지능을 토대로 비즈니스 데이터를 수집ㆍ준비ㆍ학습하여 비즈니스 프로세스 최적화 및 운영 효율성을 높일 수 있는 실행 가능한 비즈니스 통찰을 얻을 것으로 기대 -실증 단계(PoC)에서 멈추거나 데이터 준비ㆍ통합에서 속도를 내지 못하며, 설사 이 단계 를 통과해도 컨셉 드리프트(concept drift) 문제에 직면 생산단계에서 심각한 문제 발견 -모델 개발에 몇 주가 걸리고 생산 적용 은 더 많은 시간이 걸리지만, 생산 단계에서 발견된 심각한 문제로 전체 프로젝트를 재설계하거나 학습 모델을 폐기하는 경우가 자주 발생 학습 데이터 규격 -학습 모델의 데이터 규격이 생산 현장과 맞지 않아 배포되지 못하는 경우 데이터 보안.. 2021. 5. 22. 이전 1 다음
