ㅁ 운영 전략

ㅇ 정의:
모델의 생명주기를 관리하고, 운영 환경에서 효율적으로 배포 및 업데이트하기 위한 전략.

ㅇ 특징:
– 모델의 버전 관리 및 메타데이터 저장.
– 모델 배포 및 롤백 기능 지원.
– 협업과 추적 가능성을 높임.

ㅇ 적합한 경우:
– 여러 팀이 협업하여 모델을 개발하고 운영하는 경우.
– 모델의 배포 주기가 짧고, 자주 업데이트가 필요한 경우.

ㅇ 시험 함정:
– 모델 저장소와 모델 레지스트리를 동일하게 보는 오류.
– 운영 전략의 범위를 모델 배포에만 국한하는 오류.

ㅇ 시험 대비 “패턴 보기” 예시:
O: 모델 레지스트리는 모델의 버전을 관리하고 메타데이터를 저장한다.
X: 모델 레지스트리는 단순히 모델을 저장하는 저장소 역할만 한다.

================================

1. Model Registry

ㅇ 정의:
머신러닝 모델의 버전, 메타데이터, 상태 등을 체계적으로 관리하기 위한 저장소.

ㅇ 특징:
– 모델의 개발, 검증, 배포 상태를 추적 가능.
– 모델의 버전 관리 및 재현성 확보.
– 다양한 프레임워크와의 호환성 제공.

ㅇ 적합한 경우:
– 모델 재현성과 추적 가능성이 중요한 프로젝트.
– 여러 모델을 운영하며 효율적인 관리가 필요한 상황.

ㅇ 시험 함정:
– 모델 Registry를 단순한 파일 저장소로 오해하는 경우.
– 버전 관리 기능을 배제한 정의.

ㅇ 시험 대비 “패턴 보기” 예시:
O: Model Registry는 모델의 메타데이터와 상태를 관리하여 추적 가능성을 제공한다.
X: Model Registry는 단순히 모델 파일을 저장하는 저장소다.

ㅁ 추가 학습 내용

Model Registry는 머신러닝 모델을 조직적으로 관리하고 추적하는 데 사용되는 도구입니다. 이를 통해 모델의 버전 관리, 배포 상태, 메타데이터 등을 체계적으로 관리할 수 있습니다. 다음은 Model Registry와 관련된 실무적인 이해를 돕기 위한 주요 내용입니다:

1. **Model Registry 도구 예시**:
– **MLflow**: 오픈소스 플랫폼으로, 모델의 버전 관리, 배포 및 추적을 지원합니다. MLflow Model Registry를 사용하면 모델의 상태(예: 개발 중, 스테이징, 프로덕션)를 관리하고, 모델에 대한 주석 추가, 비교, 롤백 등의 작업을 수행할 수 있습니다.
– **AWS SageMaker Model Registry**: AWS의 SageMaker는 클라우드 기반 모델 관리 기능을 제공합니다. 모델의 버전 관리, 배포 준비 상태를 추적하며, SageMaker Pipelines와 연계하여 모델의 전체 수명 주기를 관리할 수 있습니다.
– **Google Vertex AI Model Registry**: Google Cloud에서 제공하는 도구로, 모델의 버전 기록 및 배포를 쉽게 관리할 수 있습니다. Vertex AI는 모델의 배포 및 모니터링을 위한 통합된 플랫폼을 제공합니다.
– **Databricks Model Registry**: Databricks의 플랫폼 내에서 제공되는 모델 관리 도구로, 팀 간 협업을 지원하며 모델의 상태 추적 및 배포를 돕습니다.

2. **모델 레지스트리와 관련된 보안 문제**:
– **모델 액세스 제어**: 모델에 대한 액세스를 제한하거나 특정 사용자 또는 그룹에게만 권한을 부여하는 것이 중요합니다. 이를 통해 민감한 데이터가 포함된 모델이 무단으로 사용되거나 수정되는 것을 방지할 수 있습니다.
– **역할 기반 액세스 제어(RBAC)**: 많은 Model Registry 도구는 역할 기반 액세스 제어를 지원합니다. 이를 통해 관리자는 각 사용자에게 적절한 역할(예: 읽기 전용, 편집 가능, 배포 권한 등)을 지정할 수 있습니다.
– **모델 감사 로그**: 모델 레지스트리 도구는 종종 모델 변경 사항과 액세스 기록을 추적할 수 있는 감사 로그 기능을 제공합니다. 이를 통해 누가, 언제, 어떤 변경을 했는지 추적할 수 있습니다.
– **데이터 암호화**: 모델 파일 및 메타데이터를 저장할 때 암호화를 적용하여 보안을 강화할 수 있습니다. 특히 클라우드 기반 도구를 사용하는 경우 데이터 암호화는 필수적입니다.
– **네트워크 보안**: 모델 레지스트리가 클라우드 환경에서 운영되는 경우 네트워크 보안을 강화하여 외부 침입을 방지해야 합니다. 예를 들어, 가상 사설망(VPN) 또는 방화벽을 설정하는 것이 유용합니다.

이와 같은 내용을 통해 Model Registry의 실무적 활용과 보안 문제를 체계적으로 이해하고 시험 대비에 활용할 수 있습니다.