Team Data Science Process 수명 주기의 배포 단계

  • 아티클

이 문서에서는 TDSP(팀 데이터 과학 프로세스)의 배포 단계와 관련된 목표, 작업 및 결과물을 설명합니다. 이 프로세스는 팀이 데이터 과학 프로젝트를 구성하는 데 사용할 수 있는 권장 수명 주기를 제공합니다. 수명 주기는 팀이 수행하는 주요 단계를 간략하게 설명하며, 종종 반복적으로 다음과 같습니다.

  • 비즈니스 이해
  • 데이터 취득 및 이해
  • 모델링
  • 배포
  • 고객 승인

TDSP 수명 주기의 시각적 표현은 다음과 같습니다.

Diagram that shows the stages of the TDSP lifecycle.

목표

배포 단계의 목표는 최종 고객 동의를 위해 데이터 파이프라인이 있는 모델을 프로덕션 또는 프로덕션과 유사한 환경에 배포하는 것입니다.

작업을 완료하는 방법

이 단계의 기본 작업은 모델을 조작하는 것입니다. 애플리케이션 사용을 위해 프로덕션 또는 프로덕션과 유사한 환경에 모델 및 파이프라인을 배포합니다.

모델 운영

성능이 좋은 모델 집합이 있으면 팀에서 다른 애플리케이션에서 사용할 수 있도록 모델을 운영할 수 있습니다. 비즈니스 요구 사항에 따라 예측을 실시간 또는 배치 방식으로 수행합니다. 모델을 배포하려면 API 인터페이스를 사용하여 모델을 노출합니다. 인터페이스를 사용하면 다음과 같은 다양한 애플리케이션에서 모델을 쉽게 사용할 수 있습니다.

  • 웹 사이트
  • 스프레드시트
  • 대시보드
  • 기간 업무 애플리케이션
  • 백 엔드 애플리케이션

Azure Machine Learning을 사용한 모델 운영의 예는 Azure에 기계 학습 모델 배포를 참조하세요. 프로덕션 모델 및 배포하는 데이터 파이프라인에 모니터링을 빌드하는 것이 가장 좋습니다. 이 연습은 후속 시스템 상태 보고 및 문제 해결에 도움이 됩니다.

MLflow와 통합

이 단계를 지원하기 위해 다음 Azure Machine Learning 기능을 통합할 수 있습니다.

  • 모델 관리: 배포를 준비하려면 모델을 프로덕션 또는 운영 환경에 배치합니다. MLflow는 배포 준비 모델을 관리하고 버전화하여 운영화를 개선하는 데 도움이 됩니다.

  • 모델 서비스 및 배포: MLflow의 모델 서비스 기능은 배포 프로세스를 용이하게 하므로 다양한 환경에서 모델을 쉽게 제공할 수 있습니다.

Artifacts

이 단계에서 팀은 다음을 제공합니다.

  • 시스템 상태 및 주요 메트릭을 표시하는 상태 대시보드입니다. Power BI를 사용하여 대시보드를 만드는 것이 좋습니다.

  • 배포 세부 정보가 포함된 최종 모델링 보고서 입니다.

  • 최종 솔루션 아키텍처 문서입니다.

피어 검토 문헌

연구원은 동료 검토한 문헌에 있는 TDSP에 관하여 연구 결과를 간행합니다. 인용은 배포 수명 주기 단계를 포함하여 TDSP에 대한 다른 애플리케이션 또는 유사한 아이디어를 조사할 수 있는 기회를 제공합니다.

참가자

Microsoft에서 이 문서를 유지 관리합니다. 원래 다음 기여자가 작성했습니다.

보안 주체 작성자:

비공개 LinkedIn 프로필을 보려면 LinkedIn에 로그인합니다.

다음 문서에서는 TDSP 수명 주기의 다른 단계를 설명합니다.