요즘 대기업에서는 A.I 및 IoT를 위해 머신러닝에 대해 개발을 추진하는 추세입니다. 머신러닝이란 기술은 인간의 뇌구조를 묘사한 뉴럴 네트웍에 기반한 기술이고 굉장히 다양한 일들을 하고 있는데 예전에는 단순히 로봇에 학습을 시켜서 사람을 따라하게 만들었지만 이제는 로봇뿐만 아니라 스피커, 청소기등등이 자신들이 가지고 있는 학습 데이터에 기반해서 판단을 내리고 행동하는 초연결시대로 나아가기 위한 기술이기 때문입니다. 그래서 구글, 삼성같은 IT관련 대기업들은 이미 머신러닝에 관련된 기술자들을 교육해서 키워내는 등 첫번째 선두로 등장하기 위해 엄청난 경쟁을 벌이고 있을 정도로 21세기의 핵심 기술중 하나입니다. 소프트웨어 엔지니어링 프로세스뿐만 아니라 데이터나 모델링까지 자동화하는 행위를 MLOps라고 하는데 DevOps 방법론을 사용하여 머신러닝을 자동화하는 프로세스라고 생각하시면 됩니다.
제가 이 책을 선택한 이유는 MLOps의 기본 개념부터 시작하여 테스팅, 린팅, CI/CD와 같은 DevOps 관련 개념과 예시, AWS/GCP/애저에서의 구성 및 실제 예시들, 깃허브 액션과 쿠버네티스를 이용한 구축 방법 등 MLOps를 시작할 때 필요한 지식이 모두 들어있어 기본적인 개념은 물론이고 클라우드별 MLOps 실습과 함꼐 실제 MLOps 서비스를 제공할 때 고려해야할 사안들까지 정리하여 알려주며 또한 다양한 플랫폼의 실제 예시를 설명하여 머신러닝에 대한 사회적 관심이 깊어지는 현재에 MLOps를 위한 기초 개념뿐만 아니라 어떻게 머신러닝 모델을 효과적으로 배포하고 관리할 것인지 알 수 있기 때문입니다.
이 책의 특성은 머신러닝 엔지니어링과 MLOps의 철학적인 개념과 이유, 이론, 실습 및 실전 내용까지 모두 포함하여 독자가 이해하고 따라 할 수 있도록 단계별로 구성되어 있어 클라우드 플랫폼별 사용 방법부터 마이크로서비스, 실전 사례 소개까지 MLOps를 이해하고 실천 및 실무자가 실제 작업 프로젝트에 기여하는데 도움 되는 주제를 담고 있습니다. 이 책은 머신러닝 엔지니어링과 클라우드의 MLOps에 초점을 맞추고 있어 MLOps에 대한 개념을 통찰력 있게 설명하고 사례별 Hands-on 실습 코드를 제공함으로써 독자가 MLOps의 본질을 명확히 이해하고 다양한 기술 전문가의 경력과 실용적인 팁을 함께 제공하여 현업에 바로 적용할 수 있도록 도와줍니다. 특히 클라우드 플랫폼별로 MLOps를 구축하는 방법과 실제 사례가 포함되어 있어 실무 활용도가 매우 높다는 점입니다.
구성
Chapter 1: MLOps 세상으로 초대
Chapter 2: MLOps를 시작하기 위한 기본 개념
Chapter 3: 컨테이너와 엣지 디바이스를 위한 MLOps
Chapter 4: 머신러닝 애플리케이션에 지속적 배포를 적용하기
Chapter 5: AutoML과 KaizenML
Chapter 6: 모니터링과 로깅
Chapter 7: AWS를 이용한 MLOps
Chapter 8: 애저 환경과 MLOps
Chapter 9: 구글 클라우드 플랫폼과 쿠버네티스
Chapter 10: 머신러닝 상호운용성
Chapter 11: MLOps 명령줄 도구와 마이크로서비스 구축
Chapter 12: MLOps 실사례 연구
APPENDIX A: 기술 자격증
APPENDIX B: MLOps를 위한 기술 포트폴리오 작성 Tip
파트별로 나누어 봤을때 1~2장은 DevOps와 MLOps의 이론과 실습에 대해 설명하고 있고, 3~4장은 자동화와 지속적인 통합과 지속적인 배포의 구성에 대해, 5~6장은 KaizenML과 모니터링에 대해, 7~9장은 AWS, 애저, GCP에 대해, 10~11장은 AutoML, 컨테이너, 엣지 컴퓨팅, 모델 이식성을 포함하여 머신러닝 운영에서 요구될 수 있는 중요한 기술 분야들에 대해, 12장은 저자의 실제 업무에서의 경험을 바탕으로 MLOps를 수행하면서 마주했던 실제 사례에 대해 설명하고 있습니다.
개인적인 생각으로 학습은 머신러닝 프로그래밍을 처음 배우는 초보자, ML 엔지니어, 데이터 과학자, 데이터 엔지니어, ML 플랫폼 엔지니어, 엔지니어링 관리자 등 ML 관련 직무로 취업 및 이직을 희망하시는 분들께서는 우선 ML 모델, 신경망 아키텍쳐, 지표, 통계 같은 기초 개념과 기본 ML 기술, 일반적인 ML 작업 등 기술적인 요소에 대해 학습하신 다음에 1장부터 시작하시면 좋을 것 같고 어느정도 경험이 있으신 분들(2년차~ 또는 ML 플랫폼 및 ML 서비스를 구축 및 관리한 경험이 있음)부터는 2장까지는 쭉 훓으시면서 머신러닝 시스템에 대해 파악한다는 방식으로 보시고 3장부터 학습하시는 것이 좋을것 같습니다.
개인적으로 약간의 단점이 어쩌면 욕심일수도 있는게 좀더 많은 실습 예제 및 비즈니스 케이스가 담겨있으면 더 좋았지 않았을까라는 아쉬움이 있습니다.
저의 리뷰를 읽어주셔서 감사합니다. 다음에는 좀더 유용하고 좋은 책으로 더 나은 리뷰를 통해 여러분께 책을 소개시켜드릴 수 있도록 더 노력하겠습니다.
감사합니다.
"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."