예시 1: TensorFlow 기반의 MLOps 파이프라인
데이터 처리 및 저장:
데이터베이스: PostgreSQL
데이터 웨어하우스: Google BigQuery
데이터 처리: Apache Airflow
모델 훈련 및 실험 관리:
머신 러닝 프레임워크: TensorFlow
실험 관리: MLflow
파이프라인 관리: Kubeflow Pipelines
모델 서빙 및 배포:
컨테이너화: Docker, Kubernetes
모델 서빙: TensorFlow Serving
CI/CD: Jenkins
모니터링 및 로깅:
모니터링: Prometheus, Grafana
로깅: ELK Stack
예시 2: PyTorch와 AWS 기반의 MLOps 파이프라인
데이터 처리 및 저장:
데이터베이스: Amazon RDS
데이터 웨어하우스: Amazon Redshift
데이터 처리: AWS Glue
모델 훈련 및 실험 관리:
머신 러닝 프레임워크: PyTorch
실험 관리: Weights & Biases
파이프라인 관리: AWS Step Functions
모델 서빙 및 배포:
컨테이너화: Amazon ECS, Kubernetes
모델 서빙: Amazon SageMaker
CI/CD: AWS CodePipeline
'머신러닝 & 딥러닝' 카테고리의 다른 글
| 데이터 인코딩, 기존에 등록되지 않은 변수가 입력된 경우 (0) | 2024.02.04 |
|---|---|
| [공부기록] 부스팅(Boosting) 모델 간단 리뷰 (AdaBoost, Gradient Boost, XGBoost) (0) | 2023.12.22 |
| Object detection 개요 및 모델 설명 (0) | 2023.09.05 |
| pytorch의 Scheduler 에 대한 공부 (0) | 2023.08.28 |
| 모델 서빙 비교 (0) | 2023.03.17 |