프로덕션 환경에서 머신러닝을 다룰 때
무수히 생겨나는 물음표를 해결해줄 MLOps 지침서

머신러닝 시스템 개발은 선형이 아닌 순환 프로세스다. 모델을 개발해 배포하고 나서도 끊임없는 모니터링과 업데이트가 필요하다. 이 책은 비즈니스 관점에서 머신러닝 시스템을 설계하고 운영할 때 맞닥뜨리는 모든 단계를 다룬다. 책에서 소개하는 다양한 접근법과 사례 연구는 머신러닝 시스템을 성공으로 이끌기 위한 인사이트를 제공한다. 저자가 수많은 기업과 협업한 경험을 기반으로 제시하는 실무 중심 접근법은 시스템이 안고 있는 난제를 해결하는 데 발판이 되어줄 것이다.

[목 차]

1장 머신러닝 시스템 개요
1.1 머신러닝을 사용해야 하는 경우
1.2 머신러닝 시스템 이해하기
1.3 정리

2장 머신러닝 시스템 설계 소개
2.1 비즈니스와 머신러닝의 목적
2.2 머신러닝 시스템 요구 사항
2.3 반복 프로세스
2.4 머신러닝 문제 구조화하기
2.5 지성 vs. 데이터
2.6 정리

3장 데이터 엔지니어링 기초
3.1 데이터 소스
3.2 데이터 포맷
3.3 데이터 모델
3.4 데이터 스토리지 엔진 및 처리
3.5 데이터플로 모드
3.6 배치 처리 vs. 스트림 처리
3.7 정리

4장 훈련 데이터
4.1 샘플링
4.2 레이블링
4.3 클래스 불균형 문제
4.4 데이터 증강
4.5 정리

5장 피처 엔지니어링
5.1 학습된 피처 vs. 엔지니어링된 피처
5.2 피처 엔지니어링 기법
5.3 데이터 누수
5.4 좋은 피처를 설계하는 방법
5.5 정리

6장 모델 개발과 오프라인 평가
6.1 모델 개발과 훈련
6.2 모델 오프라인 평가
6.3 정리

7장 모델 배포와 예측 서비스
7.1 머신러닝 배포에 대한 통념
7.2 배치 예측 vs. 온라인 예측
7.3 모델 압축
7.4 클라우드와 에지에서의 머신러닝
7.5 정리

8장 데이터 분포 시프트와 모니터링
8.1 머신러닝 시스템 장애 원인
8.2 데이터 분포 시프트
8.3 모니터링과 관찰 가능성
8.4 정리

9장 연속 학습과 프로덕션 테스트
9.1 연속 학습
9.2 프로덕션에서 테스트하기
9.3 정리

10장 MLOps를 위한 인프라와 도구
10.1 스토리지와 컴퓨팅
10.2 개발 환경
10.3 자원 관리
10.4 머신러닝 플랫폼
10.5 구축 vs. 구매
10.6 정리

11장 머신러닝의 인간적 측면
11.1 사용자 경험
11.2 팀 구조
11.3 책임 있는 AI
11.4 정리

요구 사항에 잘 들어맞는 머신러닝 시스템을 만들기 위해서는 단계마다 다양한 고민과 적절한 의사 결정이 필요합니다. 이 책은 그동안 소프트웨어 개발자, 데이터 과학자 및 엔지니어가 가려워했을 법한 바로 이 부분을 긁어줍니다. 저자인 칩 후옌은 학계와 산업계를 아우르는 폭넓으면서도 깊이 있는 활동을 통해 머신러닝 시스템 도입의 민주화에 크게 기여하고 있습니다. 이 책은 저자가 그동안 쌓은 경험과 지식을 기반으로 작성한 것으로, 처음이라면 누구나 고민할 법한 부분과 나중에야 깨닫게 될 법한 세부 사항을 시행착오 없이 습득할 수 있도록 해줍니다.
박찬성, ML GDE 및 허깅페이스 펠로

이 책을 한마디로 소개한다면 ‘MLOps에서 가장 중요한 요소를 다루는 실용적인 책’이라고 말하고 싶습니다. 장점은 머신러닝 시스템을 만들 때 고려해야 하는 모든 요소를 다룬다는 점입니다. 머신러닝 시스템이 무엇인지, 전통적인 소프트웨어 개발과 어떻게 다른지부터 시작해 비즈니스와 머신러닝의 목적을 다룹니다. 그동안 비즈니스 영역을 다루는 책은 거의 없었는데, 독자들이 머신러닝을 비즈니스 관점으로 생각해볼 수 있게 한 점이 매우 인상 깊습니다. 머신러닝 모델을 실제 비즈니스 모델에 적용하려는 분들에게 꼭 추천하고 싶습니다.
변성윤, 페이스북 MLOps KR 운영자

머신러닝 엔지니어가 되기 위해 알아야 하는 정보는 무수히 많지만, 그중에서 가장 유의미한 정보를 찾기는 어렵습니다. 칩은 그 일을 훌륭히 해냈습니다. 프로덕션용 머신러닝을 깊이 고려하고 있다면, 머신러닝 시스템을 엔드-투-엔드로 설계하고 운영하는 방법에 관심이 있다면 이 책은 필수입니다.
로런스 모로니, 구글 AI 개발 지원 팀 리더

칩의 지침서는 지금 당장 우리에게 필요한 책입니다. 전체 머신러닝 프로젝트를 원칙 기반으로 바라보는 책으로, 혼란한 머신러닝 생태계에서 지도와 나침반이 되어줍니다. 빅테크를 비롯한 회사
실무자라면 반드시 읽어보길 추천합니다. 이 책은 시스템을 배포, 관리, 모니터링하기 위한 모범 사례를 찾고 있는 데이터 리더에게도 도움이 됩니다.
야코포 탈리아부에, 코베오 AI 총괄

기업에서 머신러닝 모델을 최대 효과로 구축, 배포, 확장하는 방법을 알려주는 단연 최고의 지침서입니다. 칩은 능수능란한 교육자이며, 그 지식의 폭과 깊이는 비할 데가 없습니다.
조시 윌스, 위브그리드 소프트웨어 엔지니어 및 전 슬랙 데이터 엔지니어링 총괄

프로덕션용 머신러닝 시스템의 제1원리에 초점을 맞추는 최고의 자원 중 하나입니다. 빠르게 변하는 도구와 플랫폼 선택지를 탐색할 때 꼭 읽어야 할 책입니다.
고쿠 모한다스, 메이드 위드 ML 창립자

책에서 드러나듯 칩은 머신러닝 시스템 분야의 세계 최상급 전문가이면서 뛰어난 저술가입니다. 이 책은 머신러닝 시스템을 학습하려는 분들에게 환상적인 자원입니다.
안드레이 쿠렌코프, 스탠퍼드 AI 연구소 박사 과정