2nd/10_Wiki/Topics_Blog/MLOps.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
P-REINFORCE-AI-MLOPS	10_Wiki/💡 Topics/AI	0.99	AI MLOps DevOps MachineLearning Pipeline	2026-04-20

MLOps (기계학습 운영)

📌 한 줄 통찰 (The Karpathy Summary)

"모델 학습은 끝이 아니라 고난의 시작이다." 일회성 실험으로 끝나는 AI 모델을 실제 서비스 환경에서 안정적으로 배포, 모니터링, 재학습시키기 위한 DevOps의 AI 확장판이다.

📖 구조화된 지식 (Synthesized Content)

• Why MLOps?: 일반 소프트웨어와 달리 AI는 코드 뿐만 아니라 **'데이터의 변화'**에 따라 성능이 시시각각 지진처럼 흔들린다(Concept Drift).
• The Core Cycle:
  • Data Engineering: 학습용 데이터 파이프라인 구축.
  • CI/CD/CT: 지속적 통합, 배포, 그리고 지속적 학습(Continuous Training).
  • Model Monitoring: 예측 결과의 정확도 하락 및 편향 발생 감시.
  • Serving: 트래픽에 맞춰 모델을 효율적으로 API화함.
• Infrastructure: Feature Store, Model Registry가 핵심 구성 요소로 추가됨.

⚠️ 모순 및 업데이트 (RL Update)

• 대규모 언어 모델(LLM) 시대를 맞아 MLOps는 LLMOps로 진화하고 있다. 데이터 학습보다는 '프롬프트 관리', '벡터 DB 최적화', '답변의 실시간 검증'이 더 중요한 과제가 되었다. 특히 모델이 너무 크기 때문에 재학습보다는 검색 증강 생성(RAG) 파이프라인을 운영하는 것에 초점이 맞춰지고 있다.

🔗 지식 연결 (Graph)

• Related: Concept Drift (개념 드리프트) , RAG (검색 증강 생성)
• Legacy: DevOps-and-UX-Convergence