f-lab-edu / anomaly-factory Goto Github PK

0.0 2.0 0.0 1.4 MB

이상 탐지 모델의 데이터 수집부터 모델 배포에 이르는 라이프사이클을 구축하고 관리합니다.

License: Apache License 2.0

Python 100.00%

anomaly-factory's Introduction

Anomaly-Factory : Production-Ready End-to-End MLOps Project

CICD
- (1주차) 작성한 코드의 품질을 검증합니다.(pre-commit)
Feature Store
- 학습에 활용하기 위해, 원시 데이터에서 유의미한 Feature를 추출합니다.
- (Feast) 추출한 Feature를 학습에 재현 가능하도록 특성 저장소(Feature Store)를 구성합니다.
Versioning
- (DVC) 학습에 사용된 데이터의 버전을 관리합니다.
- (MLflow) 선정된 최적 모델을 재사용할 수 있도록 Registry를 구성합니다.
Experiment Tracking
- (Sklearn) API에 배포할 모델을 학습합니다.
- (MLflow) 하이퍼파라미터 튜닝을 통한 최적 모델을 학습을 자동화합니다.
Serving
- (1주차) (FastAPI) 모델을 API로 배포합니다.
- (BentoML) 모델을 로컬에서 API로 배포합니다.
- (BentoML) 모델을 네이버 클라우드 서비스를 활용한 API로 배포합니다.
Monitoring
- (EvidentlyAI) 신규 데이터에 대한 모델의 예측 성능을 모니터링합니다.