최근 벤처 캐피털(VC) 조사에 따르면, 오늘날 수백 개의 회사가 자신들을 MLOps 카테고리의 일원으로 정의하고 있습니다. MLOps 시스템은 ML 실무자들이 개발부터 생산까지의 작업 생애 주기를 견고하고 재현 가능하게 관리할 수 있는 인프라를 제공합니다. 이러한 도구들은 E2E(End-to-End) 요구 사항을 다루거나 프로세스의 특정 단계 또는 아티팩트에 중점을 둡니다.데이터의 세계는 임시 SQL 문을 주로 사용하는 분석가부터 고유한 알고리즘을 실행하는 박사 학위 소지자에 이르기까지 다양한 데이터 실무자로 구성되어 있습니다. 그렇다면 모든 것을 통제할 수 있는 하나의 DevOps 접근 방식이 있을까요? 아니면 ML은 고유한 접근 방식과 일치하는 인프라가 필요한 독특한 실무일까요? 이 질문에 답하기 ..