public 클라우드를 사용하지 않고 private 클라우드를 구성하여 기계학습을 진행할 수 있도록 On-Premise Kubernetes 환경을 구축하고, 오픈 소스 MLOps 도구인 mlflow를 이용하여 MLOps를 구현한다.
MLOps 개발의 2차적인 효과로 GPU에 대한 효율성을 향상시킨다. GPU를 사용하는 기계학습에서 학습과정에서뿐만 아니라 코딩 과정에서도 GPU가 할당된 채 사용되지 않는 경우가 있다. 기계학습 모델 개발을 위한 코드와 모델 실행을 위한 코드를 분리하여 학습 과정에서만 GPU를 할당함으로써 다수의 사용자가 GPU 자원을 활용할 수 있도록 하는 방안을 구현한다.
python execution.py를 실행하여 실행할 기계학습 파일과 데이터셋을 전달한다.
※기계학습 파일은 /user 디렉토리에 있어야하며, 데이터셋은 /user/data 디렉토리에 존재해야 한다.
- 날짜별로 실행결과 저장
- 실행에 대한 다양한 정보 확인가능
