ML옵스
“전략·인식·행동 모두 바뀌어야…” ML옵스 전문 3사의 AI 프로젝트 성공 해법
최근 AI를 도입한 서비스가 부쩍 늘어나고 있다. 맥킨지의 조사에 따르면, 기업에서 사용하는 평균 AI 기능의 종류는 2018년 1.9개에서 2022년 3.8개로 두 배 증가했다. 지난해 IT 예산의 5% 이상을 AI에 투자한다고 답한 기업이 절반 이...
글로벌 칼럼 | ChatGPT의 시대, ML옵스 인재가 필요하다
오픈 소스 ML옵스(MLops) 플랫폼 업체 클리어ML(ClearML)은 지난 26일 ‘2023년 ML옵스:미래는 어떻게 될 것인가?’이라는 연구 결과를 공개했다. 미국의 머신러닝 의사결정자 200명을 설문 조사해 만든 보고서로 머신러닝 운영의 핵심 ...
ML옵스
데이터 과학 생산성 Up! ‘모델옵스’의 5가지 기능 살펴보기
‘2022 모델옵스 현황(State of Modelops 2022)’ 보고서에 따르면 대기업의 51%가 초기 단계의 인공지능 파일럿 또는 실험을 했지만 아직 프로덕션 환경에는 투입하지 않은 것으로 나타났다. 38%만이 AI 투자수익률(ROI)을 이야기...
머신러닝 라이프사이클 관리를 돕는 10가지 ML옵스 플랫폼
대부분의 전문 소프트웨어 개발자에게 애플리케이션 라이프사이클 관리(Application Lifecycle Management, ALM)는 당연히 사용하는 툴이다. 그러나 소프트웨어 개발 배경이 없는 경우가 많은 데이터 과학자는 대체로 머신러닝 모델에 ...
머신러닝 운영과 관리, 'ML옵스'가 뜬다
데이터 과학자가 데이터를 태깅하고 정확한 머신러닝 모델을 만들기가 어렵다고 하지만, 프로덕션에서 머신러닝 모델을 관리하는 일은 이보다 더 까다로울 수 있다. 모델 드리프트(Model Drift) 인식, 업데이트된 데이터 집합을 사용한 모델 재학습, 성...