머신러닝 시스템 디자인 패턴

p.8

머신러닝의 진정한 가치는 추론 결과에 있다. 추론 결과가 애플리케이션의 사용자나 비즈니스 프로세스에 대해 효과를 발휘해야만 도움이 되는 머신러닝이라 말할 수 있을 것이다. 학습 시 아무리 높은 정확도를 낼 수 있는 머신러닝 모델이라 할지라도 실전에서 사용되지 않으면 의미가 없기 때문이다. 머신러닝의 연구 분야에서는 학습한 모델의 평가 결과나 학습을 더욱 빠르게 하는 방법, 이전에 없던 새로운 것들을 생성하는 콘텐츠 등이 주로 이목을 끌지만, 프로덕트로서 사용자에게 가치를 제공하기 위해서는 머신러닝을 프로덕트에 포함해 제공할 필요가 있다.

 

p.9

Google은 프로덕트 개발 과정에서 인간과 AI의 연관성에 관한 프랙티스를 정리한 가이드북인 'PAIR (People + AI Research)'를 공개했다. 이 가이드북에서는 머신러닝이 인간에게 제공하는 가치를 자동화(Automation)와 확장(Augmentation)으로 정의하고 있다. 

 

https://pair.withgoogle.com/guidebook/

People + AI Guidebook

p.19

학습하고 생성한 모델은 모델의 관리 시스템에 등록한다. 학습할 때 사용한 코드는 깃허브 등의 리포지토리에 올려둔다. 리포지토리에 1커밋=1학습과 같은 워크플로를 만들면 코드나 알고리즘, 파라미터, 라이브러리의 기록과 학습 관리가 동시에 가능하다. 다만, 데이터는 리포지토리에 등록하기에는 너무 크기 때문에 다른 스토리지 등에 기록하는 구조를 준비하는 것이 좋다.