도미노 데이터 랩, 기계 학습 작업 (MLOps) 플랫폼은 데이터 과학자가 개발자 플랫폼은 AI 모델을 모든 애플리케이션 개발 프로젝트의 맥락에서 관리해야하는 또 다른 소프트웨어 아티팩트로 취급하기 시작했습니다.

Domino 플랫폼 버전 4.4는 실험의 모든 측면을보다 쉽게 ​​추적 할 수있는 방식으로 Git 리포지토리와 통합 된 CodeSync 기능을 추가한다고 Domino Data Lab CEO 인 Nick Elprin이 말했습니다. Domino Data Lab은 데이터 과학 팀이 AI 모델을 구성하는 아티팩트를 관리하기 위해 Git 리포지토리를 사용하는 것을보고 있지만이를 구축하는 데 사용되는 프로세스는 개발자가 애플리케이션을 구축하기 위해 사용하는 DevOps 프로세스와 구별 될 것이라고 Elprin은 덧붙였습니다. "모델은 근본적으로 다릅니다."라고 그는 말했습니다.

더 간단하게 만들기위한 노력의 일환으로 MLOps 팀 이러한 목표를 달성하기 위해 Domino Data Labs는 생산성 향상을 위해 여러 샌드 박스 환경을 동시에 실행할 수있는 Durable Workspaces라는 기능도 추가했습니다. Durable Workspaces는 또한 데이터 과학자가 필요에 따라 작업 공간 구성을 중지, 편집 및 재개 할 수 있도록함으로써 인프라 비용을 절감 할 것이라고 Elprin은 말했습니다.

마지막으로, Domino 4.4는 전송 중 암호화를 활성화하고 Domino 파일 시스템 내에서 외부 네트워크 파일 시스템 (NFS) 볼륨을 마운트하는 기능을 사용하기 위해 TLS (Transport Layer Security) 프로토콜에 대한 지원을 추가합니다.

GitHub 및 GitLab과 같은 Git 리포지토리와의 통합을 강화하려는 움직임은 해당 리포지토리 제공 업체가 DevOps 및 데이터 과학 팀이보다 협업적인 방식으로 AI 모델을 구축하고 배포 할 수 있도록 지원할 때 발생합니다. DevOps 팀은 AI 기능이 포함 된 애플리케이션의 배포를 가속화하기 위해 AI 모델을 워크 플로에 통합하고 있습니다. DevOps 및 MLOps의 모범 사례가 단순히 수렴되는지 또는 MLOps 플랫폼에서 현재 관리하는 작업이 많은 조직이 이미 보유하고있는 CI / CD (지속적 통합 / 지속적 배포) 플랫폼으로 간주되는지 여부는 아직 명확하지 않습니다.

Elprin은 대부분의 조직이 데이터 과학자와 DevOps 엔지니어를 모두 고용 할 때 이미 어려움을 겪고 있다고 언급했습니다. MLOps의 복잡성을 잘 알고있는 DevOps 전문가를 찾을 확률은 매우 낮다고 덧붙였습니다.

하지만 어떤 식 으로든 조직은 AI 지원 애플리케이션이 배포되는 속도를 가속화하려고합니다. 오늘날 데이터 과학 팀이 프로덕션 환경에 배포해야하는 AI 모델을 만드는 데 몇 달이 걸리는 것은 드문 일이 아닙니다. 문제는 많은 애플리케이션 개발 팀이 데이터 과학 팀의 노력을 애플리케이션 개발에 맞추기 어렵게 만드는 속도로 애플리케이션을 배포하고 업데이트하고 있다는 것입니다. 따라서 DevOps 옹호자들은 이제 데이터 과학 팀이 더 쉽게 접근 할 수있는 DevOps 플랫폼.

엔터프라이즈 IT 조직 내에서 AI 모델을 구축하는 것은 아직 초기 단계입니다. 대부분의 프로세스는 아직 성숙하지 않았습니다. 그러나 어느 시점에서는 프로덕션 환경에서 배포 및 업데이트되는 AI 모델의 수가 지속적으로 증가함에 따라 데이터 과학, 개발자 및 IT 운영 팀에 걸쳐 더 통합 된 프로세스가 필요할 것입니다.