ML 파이프라인

ML 파이프라인은 머신 러닝 모델 개발의 여러 단계(데이터 수집·전처리, 학습, 평가, 배포)를 자동화한 워크플로우이다. MLOps의 핵심 구성 요소 중 하나로, 반복 가능하고 재현 가능한 모델 개발을 가능하게 한다.

단계

• 데이터 수집과 검증
• 전처리와 피처 엔지니어링 — 피처 스토어와 연계
• 모델 학습과 실험 추적
• 모델 평가와 검증
• 모델 레지스트리 등록과 모델 서빙 배포

파이프라인의 각 단계는 코드·데이터·환경을 버전 관리하여 재현성을 확보하며, 실패 시 이전 단계부터 재실행할 수 있어야 한다.

도구

Kubeflow, Apache Airflow, Argo Workflows, MLflow Projects 등이 파이프라인 구성·실행에 사용된다.

함께 보기

• MLOps
• 데이터 버전 관리

출처

• Kubeflow 공식 사이트
• MLflow 공식 사이트