[글공유] Kubeflow Operation Guide 소개

MLOps라는 말 많이 들어보셨죠?
아마 처음 듣는 분들도 있으실 거예요. 그렇다면 DevOps는 들어보셨나요?
DevOps가 소프트웨어 개발과 운영의 합성어인 것 처럼 MLOps는 MachineLearning과 운영의 합성어 입니다.
인공지능 기술의 발전이 엄청나게 빠르게 이루어지고 다양한 분야의 인공지능 기술들이 고도화 됨으로써, 더 빠르고 효율적으로 머신러닝 서비스를 관리할 수 있는 기술 또한 지속적으로 발전해나가고 있습니다.
소프트웨어 개발과 운영의 프로세스를 단순화하고 많은 부분이 자동화 함으로써 소프트웨어 애플리케이션 개발 생산성이 엄청나게 올라갔듯이, 머신러닝 분야에서도 이와 같은 노력이 당연하게 이루어지고 있습니다. 이런 노력이 결국 MLOps로 모여드는 것이죠.
오늘은 제가 관심을 많이 가지고 있는 Kubeflow라는 솔루션을 함께 살펴볼까 합니다.
Kubeflow는 이름에서도 느낄 수 있듯이 Kubernetes기반으로 만들어진 구글에서 오픈소스로 관리중인 MLOps 프로젝트 입니다.
Kubernetes 기반이다보니 Container 기반이라고 봐주시면 되구요. 다양한 Machine Learning 솔루션들을 컨테이너 기반으로 쉽게 활용하고 Work flow를 자동화 하는 등에 솔루션을 지원해주는 것이죠.
MLOps를 지원해주는 서비스가 Kubeflow만 있는 것은 아닙니다. 각각 Public 클라우드 회사(아마존, GCP, Azure)에서도 자신들의 MLOps 솔루션을 제공하고 있구요. 다른 오픈소스도 많이 있습니다. 하지만 Kubeflow를 제가 관심있게 보는 이유는 Container가 가지는 유연함과 확장 가능성 때문인 것 같습니다. Container를 사용해보신 분들은 아시겠지만 정말 편하게 사용가능하고 쉽게 확장하거나 추가할 수 있습니다. 이런 기능을 Kubernetes가 더욱 많이 지원하고 있구요.
그렇다면 이런 장점을 가지고 있는 Kubernetes 위에 서비스 되는 Kubeflow의 잠재력도 그만큼 무궁무진하다고 보면 되겠죠? 이런걸 개발하는 구글 개발자가 더 부럽네요.
이런 Kubeflow의 기본적인 컨셉과 MLOps에 대한 기본 지식을 쌓기 좋은 책이 있어 펼쳐 보았습니다.

간단하게 머신러닝, 인공지능과 같은 개념도 초반에는 설명해주고요. 인공지능 분야를 처음 접하는 분들에게 더욱 유용할 것 같습니다.

Kubeflow에 대한 철학과 구성에 대한 내용도 보실 수 있습니다.

Kubeflow에 아키텍처에 대한 정보도 보실 수 있는데요. 아무리 좋은 솔루션이라도 잘 사용해야 되는 분야가 바로 이 IT 분야인 것 같습니다. 다양한 사례를 소개해준 만큼 많은 간접 경험을 할 수 있었습니다.

이어서 온프레미스 환경, 아마존 환경, GCP, Azure와 같은 환경에 Kubeflow를 어떻게 설치하고 운여하는지에 대한 기본적인 정보를 가이드해주고 있습니다. (은근히 이런 내용이 정리된 곳이 없어요. 특히 혼자하려면 잘 안되기도 하구요)
마지막으로 머신러닝 모델을 만들었다면 마지막 단계인 Serving이 있죠?

이와 같이 간단히 MLOps 책을 맛볼 수 있는 책입니다.
가볍게 한번 읽기 좋구요.
컨셉 정도 이해하기 좋은 것 같습니다.

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