• 로그인

사용자의 편의를 위해 제공되는 기계 번역입니다.

영문본과 번역본이 일치하지 않는 경우 영문본이 우선합니다. 보다 자세한 내용은 이 페이지를 방문하시기 바랍니다.

문제 신고

머신 러닝 작업(MLOps) 소개

MLOps는 기계 학습 운영을 의미하며 품질을 높이고 관리 프로세스를 단순화하며 대규모 생산 환경에서 기계 학습 배포를 자동화하기 위한 일련의 사례로 구성됩니다.

더 많은 기업이 인공 지능과 기계 학습에 투자함에 따라 기계 학습 모델을 개발하는 데이터 과학 팀과 이러한 모델을 지원하는 애플리케이션을 운영하는 DevOps 팀 사이에 이해의 격차가 있습니다. 사실, 오늘날 기업의 15%만이 전체 활동을 포괄하기 위해 AI를 배포합니다. 배포, 모니터링, 관리 및 거버넌스 문제로 인해 프로덕션에서 기계 학습 모델의 75%가 사용되지 않는 것은 도움이 되지 않습니다. 궁극적으로 이는 모델을 작업하는 엔지니어와 데이터 과학자에게 막대한 시간 낭비, 회사에서 투자한 막대한 순 손실, 회사 성장에 도움이 되는 ML 모델에 대한 전반적인 신뢰 부족으로 이어집니다. 실제로 할 수 있습니다!

우리의 모델 성능 모니터링은 프로덕션에서 모델의 동작과 효율성을 모니터링함으로써 데이터 과학자와 MLOP 실무자에게 기계 학습 애플리케이션의 성능에 대한 전례 없는 가시성을 제공합니다. 또한 개발, 테스트 및 운영 모니터링의 지속적인 프로세스를 제공하여 DevOps 팀과의 협업을 개선합니다.

New Relic 계정이 없으신가요? 몇 초 만에 가입 ... 영원히 무료입니다!

기계 학습 모델을 모니터링하는 방법

적용된 인텔리전스 내에서 MLOps를 사용하려면 다음과 같은 몇 가지 옵션이 있습니다.

  1. 파트너십: New Relic은 특정 사용 사례 및 ML 모니터링 기능을 제공하는 7개의 다른 MLOps 공급업체와 파트너 관계를 맺었습니다. 파트너는 선별된 성능 대시보드 및 기타 관찰 가능성 도구에 액세스할 수 있는 좋은 방법이며 모델에 대한 즉각적인 가시성을 제공하는 즉시 사용 가능한 대시보드를 제공합니다.

    우리는 현재 다음과 협력하고 있습니다:

  2. 통합: New Relic은 또한 Amazon SageMaker와 파트너 관계를 맺어 성능 지표에 대한 보기를 제공하고 ML 엔지니어 및 데이터 과학 팀을 위한 관찰 가능성에 대한 액세스를 확장합니다. Amazon SageMaker를 사용하면 AI/ML, DevOps 및 SRE(사이트 안정성 엔지니어) 간의 사일로를 허물어 프로덕션 환경에서 ML 모델을 더 쉽게 개발, 테스트 및 모니터링할 수 있습니다. Amazon SageMaker 통합에 대해 자세히 알아보십시오 .

  3. 자체 데이터 가져오기(BYO): 다른 라이선스에 가입하고 싶지 않거나 Amazon SageMaker를 사용하지 않는 경우 자체 ML 모델 원격 측정을 New Relic으로 쉽게 가져와 ML에서 가치를 얻을 수 있습니다. 모델 데이터. 몇 분 만에 특성 분포, 통계 데이터 및 예측 분포를 얻을 수 있습니다. 문서에서 BYO에 대해 자세히 알아보세요 .

이러한 옵션 중 하나를 사용하여 몇 분 안에 기계 학습 모델 성능 측정을 시작하려면 MLOps 통합 빠른 시작을 확인하고 기계 학습 작업 을 클릭하십시오.

Copyright © 2023 New Relic Inc.

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.