나는 리뷰어다] 머신러닝 엔지니어링 인 액션

이 책을 번역하신 분의 말을 인용해 보면 다음과 같습니다.

오픈소스와 커뮤니티의 활성화로 ML의 진입장벽이 낮아졌습니다.
누구나 아이디어만 있으면 멋진 데모를 쉽게 만들어 낼 수 있습니다.
하지만 ML을 프로덕션에 적용하기는 여전히 어렵습니다.

 

오픈소스로 데모를 만들 수는 있지만 실제 프로덕션을 만들기 위해서는 다음과 같은 문제들이 발생합니다.

• 자원 및 비용 관리 : 자원을 효율적으로 관리하고 예산 안에서  시스템 구축
• 데이터 수집 및 정제 : 데이터 수집 및 전처리 과정에서 많은 인력 필요
• 보안 및 규정준수 : 데이터 및 보안 문제
• 모델 품질 관리 : 성능저하,편향 오류 관리
• 문서화 및 협업 : 문서화 및 이해관계자와의 협력

이 책은 이러한 난제를 해결 하기 위해 만들어진 책입니다.

응용 ML을 위한 가이드가 아니고 실무자가 빠지기 쉬운 함정이나 그러한 부분을 피하는 방법을 설명하는 가이드와 같은 지침서입니다.

이 책은 대상독자를 다음과 같이 정의하고 있습니다.

• ML에 관심있는 분 : ML을 사용해 비즈니스 문제를 해결하는 과정에 프로젝트 참여자들이 모두 쉽게 접근 할 수 있도록 하는 것이 목표
• 주니어 ML 엔지니어 : ML 엔지니어링을 사용해 구축할 때 필요한 내용을 누구나 배울 수 있는 것이 목표

 

미리보기

이 그림 하나로 이 책을 표현하기에는 부족하지만 기존의 실패한 ML 프로젝트 방식을 성공적으로 이끌 수 있는 방식을 보여 줄 수 있는 그림이라서 소개해 봅니다.

실패한 프로젝트는 계획수립에서 설루션을 선택했을 때 어떻게 동작하는지 모르고 선택을 한다든가 복잡도를 과소평가 하여 기술습득 시간이 오래 걸리거나 재연 불가능한 결과 도출되는등 많은 위험 요소들을 안고 있는데 이것을 그대로 진행해 나가는 데 비해 이 책에서는 이러한 실패 요인을 없애기 위한 방법론을 제시해 주고 있습니다.

프로세스를 제공해서 더 나은 의사 결정을 내리고 내부고객과 쉽게 소통하고 실험 및 개발 단계에서 재작업을 없애고 쉽게 유지 관리할 수 있는 코드기반을 만드는 방법들을 제시하고 있습니다.

 

이 책의 구성은

머신러닝 엔지니어링 편에서는 프로젝트 계획 수립,범위설정 및 프로젝트 테스트및 평가까지 머신러닝 엔지니어가 하는 일을 살펴 보고 있습니다.

유지 관리 가능한 ML 만들기 편에서는 ML모듈화와 표준및 유지관리 가능한 ML 코드 작성법 등 유지보수에 필요한 부분들을 다루고 있습니다.

프로덕션 머신러닝 코드 개발 편에서는 프로덕션 품질관리 및 테스트와 같이 프로덕션 관리 부분에 필요한 부분을 다루고 있습니다.

 

서평

이 책은 경험이 부족한 ML 엔지니어가 흔히 하기 쉬운 실수에 대해 살펴 보고 그것을 해결하는 방법에 대해 서술되어 있습니다.

경험이 부족한 ML 엔지니어라면 어떤 프로젝트를 수행할 때 오픈 소스를 기반으로 하여 그것을 부분 테스트 하여 프로젝트에 적용하게 되는데 성급하게 적용하게 된다면 학습한 속성이 실제 프로덕션의 내용과 다른 결과가 나오게 되고 쓸모 없는 모델이 될 수 있습니다.

혹은 정확히 동작 원리를 모르는 상태의 코드를 사용하여 개발 했을 때 시간이 지남에 따라 서비스를 개선하기가 어려워 지거나 프로덕션 장애를 처리 할 수 없는 결과를 가져 오기도 합니다.

이 책에서는 이렇게 실패 할 수 있는 경우들을 살펴 보면서 이것을 해결 할 수 있는 방향을 제시해 주고 있습니다.

이 모든 복잡한 작업을 대신해 주는 대행 업체가 있습니다.

하지만 이러한 핵심개념을 배운다면 처음에는 업무가 복잡하고 혼란 스러울 수 있지만 가이드라인을 따르고 관리한다면 대행업체를 통하지 않고도 직접 관리를 할 수 있을 것입니다.

머신러닝을 이용하여 프로젝트를 수행하려고 한다면 머신러닝 엔지니어 뿐 아니라 그 프로젝트에 관련된 이해 관계자라면 이 책을 통해서 많은 도움을 받을 것 같네요.

 

 

 "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."