p.76~77
오픈소스로 ML 워크플로우를 구성해야 한다면 고려해야 할 것들이 있습니다.
- 하나의 플랫폼 안에서 모든 작업이 가능한가?
- 설치가 같편한가? 혹은 설치에 대한 트러블 슈팅 정보가 많은가?
- 각각 ML 워크플로우 단계를 수행할 수 있는 SDK 혹은 라이브러리가 있는가?
- 해당 SDK에 대한 러닝 커브가 어떤가?
- 해당 오픈 소스의 사용자 커뮤니티 활성도가 어떤가?
- 오픈소스의 버전이 프로덕션 레벨로 사용할 정도로 성숙한가?
- 오픈소스가 다양한 ML 프레임워크 지원하는가? 혹은 현재 사용하고 있는 ML 프레임워크를 지원하는가?
- 리소스 관리/스케쥴링을 지원하는가?
- 리소스에 대한 인증/권한 (AuthN, AuthZ) 관리를 제공하는가?
- 멀티-테넌시(Multi-Tenancy)를 지원하는가?
- 병렬 프로세싱(Parallel Processing)을 지원하는가?
- 모델과 데이터를 저장할 스토리지 서비스에 대한 지원이 다양한가?
- 타 인프라와의 연동이 원활한가?
- 사용자 친화적인 UI를 제공하는가?
- 파이프라인을 구성할 SDK/UI를 제공하는가?
- 하이퍼 파라미터 최적화 라이브러리를 제공하는가?
- 생성된 모델에 대한 버전 관리를 제공하는가?
p.80
https://www.kubeflow.org/docs/started/architecture/
Architecture
An overview of Kubeflow's architecture
www.kubeflow.org
p.85
Service Discovery(https://nginx.com/blog/service-discovery-in-a-microservices-architecture)
로드밸런싱, 롤아웃, 롤백, 셀프 힐링(https://kubernetes.io/docs/concepts/overview/what-is-kubernetes)
What is Kubernetes?
Kubernetes is a portable, extensible, open source platform for managing containerized workloads and services, that facilitates both declarative configuration and automation. It has a large, rapidly growing ecosystem. Kubernetes services, support, and tools
kubernetes.io
'CS > MachineLearning' 카테고리의 다른 글
| Using Survival Analysis to understand customer retention - Lorna Brightmore (0) | 2022.06.21 |
|---|---|
| Survival Analysis in Python | Lifelines | Churn rate prediction (0) | 2022.06.21 |
| MLOps 도입 가이드 (0) | 2022.06.17 |
| 토스ㅣSLASH 22 - 물 흐르듯 자연스러운 ML 서비스 만들기 (0) | 2022.06.10 |
| 싸움구경이 원래 최고의 구경거리 - AI 메이커스 인공지능 전쟁의 최전선 (1) | 2022.06.10 |
댓글