MLOps 문서 원본 보기

'''MLOps'''는 머신 러닝 모델을 생산 환경에서 안정적·효율적으로 배포하고 유지보수하기 위한 운영 체계이다. 머신 러닝 개발과 운영 사이의 간극을 메우는 실무로, 데이터 사이언티스트·머신 러닝 엔지니어·DevOps 엔지니어가 협력해 모델을 운영 시스템으로 전환한다.

== 개요 ==
MLOps라는 이름은 머신 러닝(Machine Learning)과 DevOps의 지속적 통합·배포(CI/CD) 방식의 합성어이다. DevOps나 DataOps와 유사하게 자동화를 높이고 운영 모델의 품질을 개선하는 것을 목표로 하며, 규제·업무 요구사항도 함께 고려한다. 모델 생성부터 통합·배포, 운영 상태 진단, 거버넌스, 업무 지표까지 모델 수명주기 전체에 적용된다.

== 주요 영역 ==
MLOps는 여러 영역으로 구성되며, 각각은 독립적인 실무이자 서로 연결된 과정이다.

* [[ML 파이프라인]]: 데이터 수집부터 학습·배포까지의 워크플로우 자동화
* [[실험 추적]]: 하이퍼파라미터·메트릭·아티팩트의 기록과 비교
* [[모델 레지스트리]]: 모델 버전·스테이징 관리
* [[모델 서빙]]: 학습된 모델을 API·배치로 제공
* [[모델 모니터링]]: 운영 중 성능·드리프트 감시
* [[피처 스토어]]: 학습·추론에 쓰는 피처의 중앙 관리
* [[데이터 버전 관리]]: 데이터셋의 버전·계보 관리

대표적인 오픈소스 도구로는 [[MLflow]]가 있으며, 조직에 따라 Kubeflow, Apache Airflow 등도 함께 사용된다.

== LLMOps와의 관계 ==
대규모 언어 모델 애플리케이션의 운영은 [[LLMOps]]라는 별도 영역으로 다뤄지기도 한다. [[LLMOps]]는 MLOps의 원리를 언어 모델 특유의 워크플로우에 적용한 것이다.

== 함께 보기 ==

* [[LLMOps]]
* [[MLflow]]

== 출처 ==

* [https://en.wikipedia.org/wiki/MLOps 위키백과: MLOps]
* [https://mlflow.org/ MLflow 공식 사이트]

[[분류:머신 러닝]]
[[분류:데이터 엔지니어링]]