[Book Review] MLOps 도입 가이드

한빛미디어에서 출간된 “MLOps 도입 가이드”라는 책은 기업이 MLOps를 도입하기 위한 머신러닝 모델 배포 프로세스, 시스템 구축, 확장, 효율화 및 관리에 대한 방법들을 소개한다. 참고로 MLOps는 Mahchine Learning Operations(머신러닝 운영)을 뜻한다. 이러한 내용들은 데이터 사이언티스트, 머신러닝 엔지니어 등 AI 엔지니어링 업무를 다루는 여러 사람들에 의해 작성되었기 때문에 MLOps를 도입하는데 있어서 발생하는 “조직적 이슈”와 “기술적 이슈”를 모두 다룰 수 있다. 책은 크게 3부로 구성되며, MLOps 개념과 필요성 / MLOps 적용 방법 / MLOps 실제 사례로 구성되어있다.

이 책의 1장에서 설명된 MLOps 개념과 필요성 그리고 이를 구축하는데 필요한 역할들을 정리해보면 아래와 같다.

• MLOps는 기업의 성공적인 데이터 사이언스 프로젝트에서 필수적 요소
• 장기적 가치를 창출하고 데이터 사이언스, 머신러닝 및 AI를 주도할 때 리스크를 제거하는 데 도움이 되는 프로세스
• 예전에는 머신러닝 모델과 비즈니스 연관도에 대해 이해하는 일에 관심이 없었지만, 현재 모델은 기업 전략의 핵심 사항중 하나가 되었음
• ️⭐️ 머신러닝 모델 생애주기(비즈니스 목표 정의 -> 데이터에 대한 접근, 이해, 정리 -> 머신러닝 모델 생성 -> 배포 -> 반복) ⭐️
• 머신러닝 모델 생애주기를 규모 있게 관리하기 어려운 세 가지 주요 이유(많은 의존성, 동일한 언어를 사용하지 않는 이해관계자들, 소프트웨어 개발을 모르는 데이터 과학자)
• MLOps와 DevOps는 상당한 공통점이 존재
• 리스크를 평가하고 경감할 수 있는 MLOps
• ️⭐️ MLOps 관련 역할과 요구사항(직무전문가, 데이터과학자, 데이터엔지니어, 소프트웨어엔지니어, DevOps, 모델 리스크 관리자/감리인, 머신러닝 아키텍트) ⭐️
• ⭐️ MLOps의 5가지 핵심 기능(개발, 배포, 모니터링, 반복, 거버넌스) ⭐️

현존하는 책 중에서 MLOps를 구성하는데 관련된 개념들과 각 구성원의 역할들을 가장 잘 서술해놓은 책인 것 같다. 이런 내용은 개인적으로 MLOps를 공부하는 입장에서, 실제로 기업에서 MLOps를 도입하기 위해 고민해야되는 것들을 정말 상세하게 서술해놓았다.

2장에서는 모델 개발, 상용화 준비, 상용 배포, 모니터링과 피드백 루프, 모델 거버넌스에 대한 내용을 다룬다. 정말 머신러닝 모델을 개발하는 것 부터 시작해서 상용화하고 이를 관리하는 영역의 전반을 설명하고 있다. 특히 상용을 위해 개발 도구 및 성능에 대해 고려해야할 사항들을 실무진 입장에서 정말 자세히 서술해놓아서, 꼭 MLOps를 도입하지 않더라도 득이되는 내용이 정말 많다. 3장에서는 MLOps의 실제 사례에 대해 담고있다. 분명 업종마다, 도메인마다 적용하려는 모델이 달라서 머신러닝 활용 사례가 다양하겠지만, 이 책에서 설명하는 사용 사례들을 통해 문제를 어떻게 정의할 것인지, 모델을 어떻게 구축할 것인지, 상용화는 어떻게 하는 것인지에 대한 설명은 MLOps를 도입하기 위해 충분한 참고자료가 된다.

이 책은 MLOps를 도입하기 위한 기술적 내용과, 조직적 이슈 내용들을 모두 담고 있으며, 머신러닝 모델을 개발하고자 하는 엔지니어들도 전체적인 프로세스에 대한 감을 잡기 위해 완독하면 좋을 책이다. 아마 이 책을 읽고나면 머신러닝 모델을 개발하는 사람들은 분명 MLOps를 도입하고 싶어질 것이며, MLOps를 도입하려는 기업 및 관리자에게 길잡이가 될 수 있는 책이다.

“한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.”