주소: 서울특별시 중구 퇴계로 286 쌍림빌딩 8/9층 (주)유클릭 AI 사업본부

전화: 02-6320-0121

© 2030 by uDNA & Uclick

AI 프로젝트가 늘어나면서 최근 MLOps에 대한 관심이 커지고 있습니다. 그 이유는 머신 러닝, 딥러닝 모델이 많아지고, AI 프로젝트를 담당하는 팀의 규모가 커지면 자연스럽게 더 효율적이고 생산적으로 작업하는 방식이 필요해지기 때문입니다. 물론 MLOps를 한 번에 도달할 수 있는 목표가 아닙니다. 가장 먼저 하드웨어 자원을 유연하게 사용할 수 있는 환경이 갖추어져야 합니다. 

‘복잡성’은 모든 IT 프로젝트의 효율을 떨어뜨립니다. AI도 마찬가지입니다.  프로젝트 마다 소프트웨어 환경이 다르고, 데이터 과학자와 AI 개발자마다 선호하는 도구가 다릅니다. 따라서 모델 수가 많아지면 복잡성이 높아집니다. 이렇게 되면 각 프로젝트 관계자들은 자신의 워크플로우가 어떻게 돌아가고 있는지 추적하기도 어려워집니다. 자연히 모델 배포와 롤백도 복잡해지고, 모델 재현성(Reproducibility) 확보도 어렵게 됩니다. 이런 문제를 해결하기 위한 방안이 MLOps입니다. 모델과 데이터의 버전 관리, 모델과 데이터의 유효성(Validation) 검사, 자동화 기반의 모델 배포 오케스트레이션 등을 통해 머신 러닝, 딥러닝 워크플로우를 가속하는 것이 바로 MLOps가 지향하는 바입니다. 

MLOps는 단순히 도구로 접근할 주제가 아닙니다. MLOps는 유연한 인프라 사용이 가능해야 가능한 목표입니다. 데이터 과학자와 AI 개발자가 인프라 엔지니어의 도움 없이도 원하는 자원을 할당해 모델 트레이닝과 서빙을 할 수 있는 환경이 MLOps입니다. 인프라 엔지니어의 적극적인 개입 없이도 AI 프로젝트 수행이 가능하게 하려면, 결국 GPU 기반 인프라를 탄력적이고 유연하게 사용할 수 있어야 합니다. 이를 가능하게 하는 솔루션은 GPU 가상화, 컨테이너, 잡스케줄링, 모니터링, 머신 러닝 및 딥러닝 워크플로우 관리 등이 있습니다. 유클릭은 국내외 AI 전문 기업의 인프라와 플랫폼 관련 솔루션을 국내 주요 기업과 기관에 공급하고 있습니다. 이들 솔루션에 대한 상세 내용은 AI Catalog 페이지를 참조 바랍니다. 

  • 블랙 블로거 아이콘