MLOps(Machine Learning& Operations)

<MLFlow 적용 프로세스>

   MLOps는 기존의 소프트웨어 개발이후 배포·운영의 효율화를 위해 적용되는 DevOps(Development Operations)의 개념을 머신러닝에 적용한 것으로, 머신러닝(Machine Learning, ML)과 운영(Opearation, Ops) 프로세스를 통합하여 개발된 ML모델의 운영서비스 환경에서 모델을 안정적이고 효율적으로 배포 및 유지관리 할 수 있는 개념 및 개발을 의미한다. 따라서, ML단계에서는 데이터의 수집, 전처리, 모델 구축, 학습 및 평가 등, Ops단계에서는 모델의 배포, 모니터링 및 평가 등의 기능을 수행한다. MLOps가 적용되면 개발된 ML모델은 운영 시 효율적 버전 및 성능관리와 데이터 연계까지 하나의 프로세스로 관리가 가능하게 되어 기존에 소프트웨어 개발자와 시스템 운영자가 분리되어 관리되던 개념을 획기적으로 개선하게 되므로 최근 다양한 분야에서 머신러닝과 딥러닝 모델의 개발 이후 효율적인 서비스 관리를 위해서 꼭 필요한 기술이다. K-water AI연구센터에서는 이러한 MLOps의 적용을 위해 미국의 빅데이터 분석기업인 데이터브릭스(Databricks)에서 오픈소스로 제공하는 MLFlow 소프트웨어를 “AI를 활용한 AI홍수분석모델”의 운영관리에 적용하기 위한 연구를 진행 중이다.

<수위유량 관측소별 딥러닝모델의 버전관리>

<각 관측소별 성능모니터링>