태그: #model-registry

← 전체 글

• LLM Ops가 실제로 하는 일 — 재현, 오염, 체크포인트, 승격, 그리고 롤백

  LLM Ops를 도구 목록이 아니라 책임 목록으로 정리했습니다. 학습 실행을 다시 만들 수 있게 하는 실행 명세에 무엇이 들어가야 하는지, 평가 세트 오염을 어떻게 막고 감사하는지, 체크포인트 주기를 장애율에서 역산하는 공식과 보관 비용의 실제 숫자, 평가를 CI에 넣을 때 무엇을 게이트로 삼는지를 다룹니다. 후반부는 학습과 서빙 사이의 인수인계에서 실제로 깨지는 지점들과 배포 후 회귀 감지

  2026-08-02 · 23 분 읽기 #mlops#llmops#reproducibility#evaluation#model-registry

• MLflow 실험 관리 완벽 가이드: 실험 추적·모델 레지스트리·배포 파이프라인 구축

  MLflow를 활용한 ML 실험 추적, 모델 레지스트리, 배포 파이프라인을 실전 중심으로 다룹니다. Tracking Server 아키텍처부터 자동 로깅, 모델 버전 관리, Kubernetes/Docker 배포까지 프로덕션 환경에서 필요한 MLOps 전략을 상세히 설명합니다.

  2026-03-11 · 18 분 읽기 #ai-platform#mlflow#experiment-tracking#model-registry#mlops

• Weights & Biases(W&B) 실험 관리 실전 가이드: 실험 추적부터 모델 레지스트리와 프로덕션 모니터링까지

  Weights & Biases(W&B)를 활용한 ML 실험 관리 실전 가이드. 실험 추적, Sweeps 하이퍼파라미터 튜닝, Artifacts 버전 관리, Model Registry, 팀 협업 기능까지 MLflow 비교와 함께 코드 예제로 다룹니다.

  2026-03-08 · 31 분 읽기 #ai-platform#wandb#experiment-tracking#model-registry#mlops

• MLflow 2.x 실험 추적과 모델 레지스트리 운영 가이드

  MLflow 2.x의 실험 추적 설계부터 모델 레지스트리 운영, 아티팩트 관리, CI/CD 통합, 멀티테넌시, 프로덕션 배포까지 실전 가이드.

  2026-03-05 · 23 분 읽기 #ai-platform#mlflow#model-registry#2026-03

• MLflow 완벽 가이드: 실험 추적부터 Model Registry, 프로덕션 배포까지

  MLflow를 사용한 ML 실험 관리 전체 워크플로우를 실습합니다. Tracking으로 실험 기록, Model Registry로 버전 관리, 프로덕션 배포까지 핸즈온으로 구현합니다.

  2026-03-03 · 24 분 읽기 #ai-platform#mlflow#experiment-tracking#model-registry#mlops

• MLflow 완전 정복: 실험 추적부터 모델 배포까지

  MLflow 공식 문서를 기반으로 Tracking, Projects, Models, Registry 4대 컴포넌트를 기능별로 상세 분석한다.

  2026-03-01 · 27 분 읽기 #mlops#mlflow#experiment-tracking#model-registry