29 lines
1.7 KiB
Markdown
29 lines
1.7 KiB
Markdown
---
|
|
id: P-REINFORCE-AI-MLOPS
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 0.99
|
|
tags: [AI, MLOps, DevOps, MachineLearning, Pipeline]
|
|
last_reinforced: 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 **LLMOps**로 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]]
|