안녕하세요! 구독자 여러분😃

Product Advocate 정현지입니다;) 2023년 마지막 소식을 전하게 되었네요!💌 

벌써 추운 늦가을을 지나 12월이 찾아왔네요! 저도 슈퍼브 모델 및 모델 진단 웨비나와 개발자 커뮤니티 이벤트로 바쁜 시간을 보냈는데요!

여러분은 어떻게 연말을 보내고 계신가요? 😊 

2024년에도 여러분께 유용한 소식을 전하기 위해, 저희 슈퍼브에이아이 팀은 열심히 내년 계획을 준비하고 있답니다! 구독자 여러분도 2023년의 마지막을 잘 마무리하시고, 함께하는 2024년도에도 의미 있는 시간을 보내시기를 바랍니다!

11월 뉴스레터 휴식 기간 동안 AI 분야에서 많은 소식이 있었어요. 지금부터 그 HOT한 내용들을 함께 살펴보시죠! 🌟

혹시 MLOps Insight를 포워딩 받으셨다면 👉 여기 👈에서 구독하실 수 있습니다! 

*MLOps Insight는 PC버전에 최적화되어 있습니다.

Spotlight🌟

결국 MLOps🔗!! - MLOps의 중요성과 실용적인 접근

본 글은 "MLOps — the why, what and how?"를 번역 및 편집한 것으로 자세한 내용은 원글을 참고해 주세요.

최근 빅테크 기업에서 연이어 새로운 AI 모델과 기술을 발표하고 있는데요. 하지만 MLOps는 여전히 많은 분야에서 덜 알려진 주제입니다🤔 오늘은 AI 개발을 위해 점점 더 중요해지고 있는 MLOps에 대해 다시 한번 짚어보고, MLOps의 중요성과 그 실질적인 적용에 대해 이야기해 보려고 합니다🙋‍♀️

MLOps의 필요성

MLOps의 필요성을 이해하기 위해, 수천 개의 제품을 판매하는 스타트업을 운영하고 있다고 상상해 볼까요? 상상의 스타트업은 제품을 더 많이 판매하여 제조 비용을 줄이고자 합니다. 이를 위해 추천 시스템을 구축하고 사용자에게 제품을 제안하려고 한다면? 이러한 시스템을 어떻게 웹사이트에 통합하고, 새로운 데이터로 재학습할 수 있을까요? 바로, 이런 상황에서 MLOps가 중요해집니다👍

💡 그래서, MLOps란 무엇인가요?

MLOps는 기계 학습 파이프라인의 전체 라이프 사이클을 자동화하는 방식입니다. 이는 모델 개발, ML 실험 추적, 데이터 드리프트 감지, 모델 배포 및 모니터링 등을 포함합니다.

🔑 MLOps 플랫폼의 핵심 구성 요소:

1. 협업 환경: 팀 전체가 ML 모델을 함께 구축할 수 있는 환경 제공
2. 버전 관리: ("git"과 비슷하게) 모델 변경 사항 추적을 위해 설계된 시스템
3. 모델 레지스트리(Registry): 다양한 모델 버전 추적 및 관리를 간소화
4. 모델 배포 및 제공: 모델 패키징, 인프라 선택 및 크기 조정 프로세스 간소화
5. 모니터링: 성능 지표 이해 및 성능 저하에 대한 경고 설정
6. CI/CD: 코드 업데이트 시, 모델의 재학습 및 검증 자동화

MLOps 플랫폼이미지 출저 :  "MLOps — the why, what and how?"

Learning & Other Insights🌟

🔥HOT🔥 새로운 Gemini ?!

Google은 Nano, Pro, Ultra의 세 가지 버전으로 구성된 고급 AI 모델인 Gemini를 공개했습니다! 모바일 서비스용으로 설계된 Nano와 GPT-3.5에 필적하는 Gemini Pro가 현재 이용 가능하며, Ultra는 2024년에 GPT-4를 능가하는 성능을 목표로 하고 있다고 하는데요. Bard에 통합된 Gemini Pro는 8개 벤치마크 중, 6개 벤치마크에서 우수한 성능을 보여주었습니다.

Gemini 데모 영상의 진실🤨

그러나 첫날 수백만 조회수를 기록한 Google의 Gemini AI 데모 영상은 오해의 소지가 있는 것으로 드러났는데요😂 "Hands-on with Gemini: Interacting with multimodal AI"라는 제목의 이 비디오에서는 스케치 해석, 음성 쿼리, 제스처 인식을 포함한 다양한 작업 전반에 걸쳐 AI 모델이 실시간으로 직관적으로 상호 작용하는 모습을 보여주었습니다. 하지만 이 데모에서는 실시간 상호 작용이 아닌, 정지 이미지 프레임과 텍스트 프롬프트를 사용한 것으로 밝혀졌는데요! 응답은 Gemini에 의해 생성되었지만 비디오는 AI의 실제 기능과 상호 작용 모드를 잘못 표현했습니다. 과연 Google은 앞으로 어떻게 이 난관을 헤쳐 나갈까요? | Gemini 백서 읽기

Apple의 MLX 그리고 MLX Data

Apple은 Apple Silicon에서 효율적으로 실행되도록 설계된 오픈 소스 기계 학습 프레임워크인 MLX 및 MLX Data를 출시합니다. PyTorch 및 Jax에서 영감을 받은 MLX를 사용하면 지원되는 장치에서 이동 없이 데이터를 처리하여 효율성을 높일 수 있다고 하는데요. MLX, PyTorch 및 Jax와 호환되는 MLX Data는 효율적인 데이터 로딩에 중점을 둡니다. 이러한 도구는 마케팅에서 AI를 강조하지 않고, 제품에 AI를 내장하는데 중점을 두는 것으로 알려진 Apple이 전략적으로 AI 개발에 진입했음을 나타냅니다.

Meta의 Imagine with Meta

Meta는 DALL-E 및 Stable Diffusion과 유사하게 텍스트 프롬프트에서 고해상도 이미지를 생성하기 위한 독립형 웹 기반 생성 AI 경험인 "Imagine with Meta"를 출시합니다. 처음에는 미국에서 사용할 수 있고, 프롬프트당 4개의 이미지를 생성합니다. Meta는 투명성과 추적성을 위해 보이지 않는 워터마크를 구현할 계획이라고 하는데요. AI가 만들어낸 이미지가 인종 차별에 대한 우려를 일으켰기 때문에, AI 생성 콘텐츠의 투명성을 확보하기 위해 워터마킹을 사용하는 것에 대한 규제가 강조되고 있는 것으로 보입니다.

Stability AI의 Stable LM Zephyr 3B

Stability AI는 7B 모델보다 60% 더 작은, 새로운 30억 개의 매개변수 LLM(대형 언어 모델)인 StableLM Zephyr 3B를 도입하여 지침 준수 및 Q&A 작업에 맞게 맞춤화된 이 제품은 Zephyr 7B에서 영감을 받은 StableLM 3B-4e1t 모델의 확장 버전입니다. 미세 조정 및 DPO(Direct Preference Optimization)를 사용하여 개발된 이 제품은 텍스트 생성에 탁월하며, 다양한 언어 작업을 지원하며 비상업적 라이센스에 따라 사용할 수 있습니다.

Runway ML의 General World Model

Runway ML의 General World Model을 소개합니다. Runway는 환경의 내부 표현을 구축하고, 이를 사용하여 해당 환경 내에서 향후 이벤트를 시뮬레이션하는 General World 모델을 만들기 위한 새로운 연구를 발표했습니다.

Superb Insight🌟

모델 진단에 사용되는 📊지표📈와 활용 방안에 대해 궁금하신가요?

모델 평가 지표는 모델 개발자 및 사용자가 모델의 성능을 이해하고 비교할 수 있게 해주고, 모델 개선을 위한 방향을 제시해 줍니다. 풀고자 문제와 목표를 고려하여 적절한 지표를 선택하는 것이 중요한데요! 슈퍼브에이아이와 함께 평가 지표의 선택과 활용 방법에 대해서 논의해 볼까요? 👉 링크

💻 컴퓨터 비전을 위한 고급 모델 진단 기법📝

컴퓨터 비전 모델이 점점 복잡해짐에 따라, 모델의 성능을 평가하고 한계점을 파악하는 것이 더욱 중요해지고 있는데요! 모델의 신뢰성, 효율성, 해석 가능성을 보장하는 데 필수적인 모델 진단의 역할에 대해 지금 바로 탐구해 볼까요?! 👉 링크

 이번 달 MLOps Insight 어떠셨나요? 여러분의 솔직한 피드백이 필요합니다!
이번호 소감 남기러 가기

Author: Hyeonji Jeong

Product Advocate at Superb AI 

Let's connect 🤗

Copyright © 2023 Superb AI, All rights reserved.

Superb AI Co., Ltd., 427, Teheran-ro, Gangnam-gu, Seoul 06159, Korea