기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
9. 거버넌스
ML 거버넌스는 ML 모델 배포에 도움이 되는 일련의 프로세스와 프레임워크를 포괄합니다. 여기에는 성공적인 전체 ML 수명 주기의 모델 설명 가능성, 감사 가능성, 추적 가능성 및 기타 추상적이지만 필수적인 요구 사항이 포함됩니다.
9.1 데이터 품질 및 규정 준수 |
ML 시스템은 익명화를 포함하여 개인 식별 정보(PII) 고려 사항을 고려합니다. 여기에서는 데이터의 소스, 품질 및 적절성을 이해하기 위해 열 수준 리니지를 문서화하고 검토합니다. 또한 이상에 대한 자동화된 데이터 품질 검사도 있습니다. |
9.2 감사 및 설명서 |
ML 시스템에는 및 규정 준수를 위해 선택한 이유 및 실험 실행을 포함하여 개발 중 모든 변경 사항에 대한 전체 로그가 있습니다. |
9.3 재현성 및 추적성 |
ML 시스템에는 정확하고 빠른 모델 재인스턴티화를 위한 전체 데이터 스냅샷이 포함되어 있습니다. 또는 환경을 다시 생성하고 데이터 샘플로 재훈련할 수 있습니다. |
9.4 인적 참여 루프 사인오프 |
ML 시스템에는 규정 준수를 위한 수동 확인 및 권한 부여 과정이 있습니다. 시스템은 모든 환경 이동(예: 개발, QA, 사전 프로덕션 및 프로덕션)에 대한 사인오프가 필요합니다. |
9.5 편향 및 적대적 공격 테스트 |
ML 시스템에는 여러 도구와 공격 벡터를 사용한 레드 팀의 적대적 테스트와 특정 하위 그룹에 대한 자동화된 편향 검사가 있습니다. 이 구성 요소는 관찰성 및 모델 관리 섹션으로 다시 연결됩니다. |
