MLOps, 모델 서빙 (Model Serving), 드리프트 (Drift)

출제 빈도: ★★★★★ | 난이도: ★★★☆☆

답안.

Ⅰ. 개요

MLOps는 데이터 수집, 학습, 배포, 모니터링, 재학습을 자동화하여 모델 운영을 안정적으로 관리하는 체계다.
모델 서빙은 학습된 모델을 배치 또는 실시간 API 형태로 제공하여 비즈니스 프로세스에 연결하는 단계다.
드리프트는 데이터 분포나 개념이 변화하여 모델 성능이 저하되는 현상으로 지속 모니터링과 재학습이 필요하다.

Ⅱ. 핵심 구성요소

Ⅰ. 개요
   1. 정의
   2. 모델 운영 규모 확대

Ⅱ. 핵심 구성요소
   1. 모델 라이프사이클 관리
   2. 서빙 방식과 모니터링 체계

Ⅲ. 특징 및 장단점
   1. 배포 안정성과 재현성 향상
   2. 운영 복잡도와 관측성 부족 위험

Ⅳ. 유사 기술과의 비교
   - 배치 서빙 vs 온라인 서빙 비교표

Ⅴ. 적용사례 및 향후전망
   1. 추천 시스템, 수요예측, 이상탐지 운영
   2. Feature Store와 GenAIOps 결합

해당 키워드의 기술적 구성요소와 동작 원리를 서술한다.

Ⅲ. 특징 및 비교

핵심 기술의 장단점과 유사 기술과의 차이를 분석한다.

Ⅳ. 적용 사례

실무 환경에서의 적용 사례와 기대효과를 제시한다.

Ⅴ. 전망

최신 기술 동향과 향후 발전 방향을 서술한다.