명칭의 의미는, Machine Learning + Operations를 붙인 단어이다. 다양한 서비스로 인해 완전히 정의가 내려진 것은 아니지만 머신러닝 운영에 필요한 것들을 다루는 과정을 말한다. 자동차로 비유를 들어보자면, ML = 엔진 이고 MLOps = 엔진으로 자동차를 만드는 과정 이다. 자동차가 만들어지기 위해서 필요한 핵심 기술이 엔진이지만 엔진만 있다고 자동차가 굴러가는 것은 아니다. 엔진을 가지고 실제로 달릴 수 있는 자동차가 되도록(= 기술이 실제 서비스에 녹아 운영될 수 있도록) 하는 과정이 MLOps인 것이다.
자동차를 만드는 과정에서 핵심은 엔진이고, MLOps의 핵심은 ML이다. 엔진이 특허를 받은 후 디젤 엔진을 이용한 자동차가 만들어진 것과 같이 머신러닝이 이슈가 된 후, 그것을 쉽게 운용하기 위한 MLOps의 가치가 높아졌다.
모델 중심의 AI시대가 아닌 데이터 중심의 AI시대가 도래할 것이다. 체계적인 데이터 관리를 위해 MLOps가 중요하다. - Andrew Ng. (AI 4대천왕)
실제로 ML을 개발하는 것과 운영을 하는 것은 다른 영역인데 현재로서는 그 부분이 gray 영역이다.
MLOps 개발자를 하기 위해서는 '다양한 분야에 대한 관심과 호기심이 많은 사람'이 필요하다고 한다. state-of-the-art 가 계속 바뀌고 있고 참고할 수 있는 레퍼가 많이 없어서 직접 다양한 오픈 소스의 코드를 보고, 동작 원리와 장단점을 파악할 수 있어야 본인의 회사나 팀에 가장 적합한 형태로 취사선택하고 발전시킬 수 있음. 이 과정에서 개인적인 동기부여를 이끌 수 있는 호기심이 없다면 필연적으로 지칠 수밖에 없기 때문이다.
댓글